From 154ebfd361393e235a612c3c84caaa66573ca365 Mon Sep 17 00:00:00 2001 From: "Alejandro E. Rendon" Date: Sun, 5 Jul 2026 21:49:27 -0500 Subject: [PATCH 1/3] Add Ricardo Taborda's profile and image: Introduced a new speaker profile for Ricardo Taborda, including his image and detailed background. Updated the schedule to include his talk, "Charla Bienvenida EAFIT," and adjusted event timings accordingly. Enhanced localization for speaker content in both English and Spanish, improving representation and accessibility. --- public/images/speakers/ricardo-taborda.jpg | Bin 0 -> 9310 bytes src/assets/data/schedule.ts | 143 +++++++++--------- src/assets/data/speakers-content.locale.ts | 16 ++ src/assets/data/speakers.ts | 12 ++ .../blocks/speakers/speaker-detail.tsx | 50 +++--- 5 files changed, 126 insertions(+), 95 deletions(-) create mode 100644 public/images/speakers/ricardo-taborda.jpg diff --git a/public/images/speakers/ricardo-taborda.jpg b/public/images/speakers/ricardo-taborda.jpg new file mode 100644 index 0000000000000000000000000000000000000000..0a1039b2fcc106e3a130a6c615326cd83e332204 GIT binary patch literal 9310 zcmb7|WmJ^mxAupjdxn;7rMo)>1Vo1JZlpm%N^)qB8d_>7ksd(08wCcW8w8{!1?5Hm z=e%c~kLP~wPtRWWv+n1&*53QN_QU+cIsl}q^g;=Mf&u`bJU)PjC4d3|6$t#h9~au= zM#n-&M?*u$!NkPC!o$JC!^OeH#U~&F;S+!faB)FoATTirDJdx)AvpyZ2?Y@eDaqfD zprAgUK|{wzN5>|?$Hgc4Kd*;g02m7}3>Zd5VFUodD5zkRhkgJx006-Jd)xn6D8R=% zVqjuDMxUSnfT;f~2>2I$SOnlbz6XL(L686W^9*fsx(HyGEK8Oy7-pms!}<~=#G0y! zh7JNkVsKgLp$rjNBF{o&>Cuvzv{E=^OYDrN5VL@w#wG0t<}BEBdT9|0K!~A#gk1#+ zP*qid(t}?tEO|EcP=NlIuo9OGQ*fk&`FtI>t49sYJ8UrZI$tBDH zk)8+!4kwSAOky`zjdx$g@a+XciWvR79L=>GZk_ATt;C97T!=Yg(`%|cVQ>*0%%t44 zwfefK^$trFLZsNXh?}NfYplD`P&BPlWs9jX=%SHC5We8|VL`3>pj(!LQr-YgP7BdZ zppL0vOJd|YqsH;inQcgKsB0FMexW>OinMdyDw@}NC4Rl!WtkYE1@y5HVqQ`aUM2<) za)sHz=OATT@$VHZcs>f-LQLPjkE`O`)6*sCmHOnjw^Y~K<9!(PI!dI;%T)BIPufyXXhYw>nXV6jY>aqNntGsqPEp0MTi9ceQrJS`q=n<7KRl_+m{Mk2b@rqSy za+bN8PS3HFg&WwvNp&g(v3pu9epTf+4J*88>vZ8DS12Noyf0hk4m>L?)+o+jy;u?T zyR@&aE^2SJC*+&mneQrSvdb!StzW>BCfebfXcfw_d~pS3rLk5ObF&PfIE|D4B?h3M zt8n)*Ni1qpMxD1W8tj#hX3>@%?mctQQP;zN2e2tz_M={#wp1JXgGKC zv&;i0FD#fixV_OUT4Xg4O|o{KYt$I94=7W;swe{)p#uQ`Qsc*5-~s_q(13q8Dk}QF zYykoulM)?FgaIO^Ct=_vW#q$T79eBdmz8_W53I+eLO};!hKxS|Qq3>u&bq3Cxwzh9 zfzu2!DF(%lPgL-tiIhrWHhFs2qSEymn45u>=V_nRsn6#3T=Yh^0-eW5pi41tyWpwS zSKh-m7If#*Jk)(=k~ZoU>3*TA)$e~0Eh(=XWzSc;ek67^WgfnS}diQJ1!?WUlf{3vam}3O5ZD8iGs?g9CJosl?klwe2hiCMI4NrNTT?S&|KJ z)+)-!G^Q(XQ{&zQPu3kDPxYI)6f`{bp3H4~{zTo|F;8~9 zRt>j{6g*Y7Fe#3iF}SjN<;#w=y_kjz zNfE=}GOtl%0YSI4EK`E;;gvsyD{kbkHt2+`q{Dj`s`C3^gmq2uajV3*)v66hM*JvP zwu4@*^(Ld`8~8;+?;{59s}{Z3HXPt6mIQfy!L6R6R#j@{pGG|YP@cq=_{SWM%$-rU zT#RLws@CwmP>?$_PyXhu+vWVbICgO7v(M_@a|@Qrxjp^V0V{0L1%&*oskC5WVH%u_ zS`+L2Tq(%#Cg1gx_OK-#SK@E+Z>8)!9JBClIDYfsQj?;P@Px?NCx11cZD)n_>fv?Q z)U%sUdN;o8sB+e%ae<}nI(4&gml$M{Nwe|sM$NF>UN7^$M7c^IGjWwsrXwxP3{~BE z)KoTHCqDHFxE)!UCf+78NL>Cc-UsqH8m-%4`0Pl+S%b9nwr`>`UKKQ7^+h&k z^#^nDw<+y&b&50!8W(xSS_t{z`KuYc0;K?DYZbd+w>T0K_H4|$ss=b~*E;#q?A?Ec zIY)G2mHFQ?_az}Pq-8y)c&QRT5*dzU5Z;>=L8;f?5r?GpH0Ws6&b(`fV}#i#pX~CA4}kf5kfJ zwoPB+A96|Oyl)~X=-Yb5jGxb$|CAxZD{my^kW7^QYCaPts2>4Q-=4fv*O+MJ7v;Kg z$lKhPaG`xwl@RxA6_((4JSOOrc)a*_!w%tDwR?&-$I0G*8wfTi-Bkyqk`VsC0BWIYVs zo&~|}v=*asOh5a+YUR3KT>1=BUzB|SyrI+k^jne6#%6Y7gBsQ*l;1XhI||?0-abfF z@%G1>BF+ksxPGi-Y+wNJZw>qJD)v~)P=H`mG!O$3Js&Zn96AX^QDFmxefgKWFmOK^|7whB&N`%HZtnHB#dBX3gl z`4!Ov0Bb7*gY9ErV0QEjw?+d}JPs6REMy&1mK!8pwnNd;xoh9Ud3+e~8s_(YJt)JV zb>TeTwf%-3Ie-SOd{^DylKa-p?!-nxt8VCw4oUPI&QoEXNwhx3)0&eOjJ01X6pSfC z{t}n*mP-bcrc?8(dntj5dTAs3-h{KS(-Vu%j-|LW*3Ll6-I8a*F6F(bd6tUTmD1c84E{;^X085o_> z%C~LEBtflqkRs`PlD zL97pSXu!SjYQFW5aIK`&{MkOH-X{eyOZ>{0v;`SC{r%(1aR?=mPT`kFdbX}+%5Gb9 zPt~UHIK11T!?(vNGb5`r%sJjKjKoDt1HMcaJYtdn0f3Ks5gi=^6%+lRj6?wfP{C+K z48)9lau5)|yrl;TJ+G|RJEoK#bOCM8u);c01w{)h>;Gz?7&5>IK)K=b@kM`jP!ClU*_n=3uhy&%GBE#p18Qy3ekro4;uAx z6p(gmTz`xF@Pp*69Y5oAHG6FugiJlppN*oH*d$D0MZtjhfevgBvf8vJrd?@4(d6*n z!Sib3b?3nRg4}V5RWGACqD{CT_UHY=97(w?cmt8&Ng$M3fM#n)V7kt-v>z~8WII+u zwV0*R#L{FUfxA@r&cKz}(r;pH+W=o>1IO!#rC6t05xMui6g6r@wT9*xge+UJJQs$? ze@{p=6S$ULse`uimv1c!XD6l#$CY6zAX_9^d|Wv`OUtt3W+D0z0dX}yeTXuIqZ*gp z-ez+4O$T2j34A1Vm@`6baydTtN1WZ_yHcfO%}uD}?d%IMNPmHf*F=4XMWuRB6B>Ff zd}=V2{(0&pf!G7nk-lP=jF*;BiG2{$8})3*Ve@Q0pAS$@^9CA;Gpvb?qGAjIKn~*F)DOi=799j#x_q zr}i`5kucBN1HiS+{FxUKwMX15HeYK?S37Y#J&qx^$ZX-SDN6a(uECm?yp3;EFwxV6 zW3^e2^)?yt`faRKYeZ32QG15fNzGT$Iu`sfHvSOy&-~0Z3Ol2$JfSph!-=UXvQO z_8Ff*D(2cey&#|L*cMd-zg!g&Bw+mI@53(#|jop@!x!gW^Ui=f|0Aq*N z&t|SyHvQa-1schnC=-f*sKEZ_i_dWU29EdbFu1&%?qyH;oHv?!^=HKkcj2sSgj!Hn zDn-WMh)k(m3C?-*160n|iPSlPHE;K<+upt;$JRU5CuHmSh?(39Id;m%#NQ&4D*U}w zNe9_Tw@FiW{sJZ;@}H)Rb zbnfrj2 zZZgr@sPGQf)aB5|=87UdWFqvkl)c!wCTe^C^!V4Us*@MnQc<6 zM(~MC`SR|LPlV456Gm?6{&pJBqs{*7Iv(c-|1shy05Aie90+3R@h+vVhrV#?^lan5 z{e}#~CiBpv*rcJ2Z}k%3FJ{*P9rWjVcQ#>F#!RJu&72YkznfBvp?F`a{9#hu>&d6e zcf=Jid3}Yi7oDN7Ww0Jz*EXy>d)Pm6VI-s7q-WSgZ(&4McJG2|HWq9NJ^(;NGwmATw9ParC9Lxbdn!Fj z+)$wWgmH+Y_4d$mHhq1_NR+F^P)VaRl^=y|?ZX zpA$Z7J*N@vgl$GNoxsSvgd}0r)vtE#<1*;nqbAA&mCJM0(uMXYHb(2s1V|M=%x##< zoD-3Jyi1EJ&KY-0jYlh@(veg$5pQ0%RnamhgnixQ`-4FnQ9{v6VJFIsW~5|@B{4eq zy%iQQYmVvWs*vsErx6t62J-<{E{(yQbS=I5N+z9+p9Gh`6*l=y zETN*5-OERAhllk5R(bsdS`cO$-`WMvUOwp}YSkJT;$g<1gpYni>8~Aa)q{b-Qi^{7 z>=uj^ALN(-ZErA}rESwtig+(@qYsnHmGNwD?A|pD*$ZJ_*@y^Oynu4}#rkoZK&^k= zE15hu(1n<{%;)=djod^8fW)tim<$f_dZ^Lfk!QNbTR5<=sniB_yf;(<&iCbzkXX1!BHzp~&`3_dUY{&kt83XD3K!1} zF>g((fDaZ2n9hz{mG_QiqOm~(D(yCnkEj+6F+{%bA7m9e?U>$#{K6|vjP9d}YO!qU z{IY6*qkiLxuJ*oa84jp=)2^n8@Iu76_HW{UyS^LoCD8dC%*}Wngj2L|##WY7nwQ}+ zG7Ro?37hrq9Q~KT`1eeSv-CI*_ zkvM~RU%H^k?+y}Nd(fQCBgxVz24uU9t7NiNEL^$A%q+|xmKTmbz z{t}@4w0QFA0RR(xQr~{Bu1bL)ruCHZ*FRsq zwsQRB4$Kj_dS2n*(fj##Z)}81(uo$*bbMON;#z z6pzrCNkBX**0+%<;tZ79co6$Px-#9cDX6~+W5elV)UAwtjaL410e{R@#b{_*r<&Xdtck5P>mr2<( zS3I_df8$yJ>Z92Mm5@(--BDQB*}2;eOv?ReG(>sPE$B}wTpVFT?v~6Kre3_~S$g-= zN|E~#TLp!T9z(_xd{P!B1WjH)F-$$8j~|h#J-)UW@-j=}$o9D18C8&paa#h5&26NY zmo8_b4gRnOq>4O-2%B?^2GJ zm|J^!g&RB{0RFkhKYR|fk#de(SWUIb__bmjIsMD(b``+|{g?-YYXTz!!>aWq^1srp z>e#Gjk#1}hlV#q&^UcR4zn*$)l#UN7#94v!hUHE};v~6joU>1Urv!a_<*qDAy_AyU z^1*ui$C_F=E<@$R zAN{D(#G`s~G^ga4S``siQY{+QZjVV`jOpb&WrV=;)q%aD__6XvE2bM-Tr%zS}+7 z+wV{?b&5J1^FZL9C<8(3gqaw3ajYFnJh>x@X6*m0San=^%t+WXLk(Zt{uNiJ@-I;B&k#a7L;f zx7{HI3)T{+NPe|lTM0;7Q8~3244k^%KCSq}g^S!jp~qX>TKOu^w>rGhcJKalndvI@ zl;eQs*yH*x*$U;|`*FW*3Z=t)_|-4knkt932LNHs??{9U_bu*08V{s)=);enBE_kv zkJwoM39d(Kf3f|?v;GrY|MV89u&!t7bmQzFy2tsh3`il3I6DDf{&Og(FQyZ&WwtXw zWwYF|7k1N<1m!?ryj4#X;x*ggUeE`Y>ZGZS!CJqcQCYv%CjVSMy9|I5B`1i*mq)7; zq25$a*q&r*qpE8!tF;IiND>cRqAZu;H{jyS!Lf_MI@VxT#>g)l_Klvm;ncP9lu!>a zl5c$5#Ec#uRHT)9+NCMS)Ec}KHR7A;MJr7(r?<+E8*l43VO99MC{x`l0B}t)t1s82 zI>af+5G83;6*MN#PHsbttgqy}y{AvJQkVgO-Kt_gak<)(jwZ_=NU`YiRl*lgqtna( z^rUr?sSQ|<0SOdmHnVwlsqJ#6!6FIya>cW|8!NNGS`~8LhYdsEd?|Y){>k>k zG{TjlyzvF}T0Wu#)qwJR#?Bql2<&i)cb+SXLBBHEptEC3Nl+3}1XtH*hG?GjU$MVq zpA}2q%Q6;}SeuE)ebZVX|8jO0{lQvRFUp*!1r67m9P>t2BQwdY?#}NLCA6Iq4{wg1 zppcxjL(S@Ie@^xbw>N{{%T*aLQqIkF0+vV&mgD&GeY0_MqD{yzH%SVqV92{=JzZ7jZXJUFxCs>>OSynA1W!B5$PhHhWkV%EEYOM zH0*F#n?{SSZ#-~7+EZKo=v|3%j9kG3v$3oo2RWwF-S@4{HAOEHyhqDw68_9o3@{5+Dh?@SSZmS06~|CBEaY z_->qP&IiDD1Akjpbog_NmUsuxg7UnvC;X>4A9dSpPF_+!y9eXcqPH}5*pazMh_^&x zlZqyaXXS*dxt2j=*Gr1Vg)@knGh8f>QTYN7DTG7a4RPm*W_Y6LReg) z;Y3GO2gVkp?i~uf?-sf#g~|o%r1q>g5}hVZ9G}MjehTJhUv7Q?q7Q$<;uFgC+)CeLDq?I^BH72C?O?JPqp8(7y84CUiB8T=w=^*sIxa|aYUe*gjzof81-wNYxqlP~p7wLfvTR=0 z^80!&^4rv!DjR&mD{~&WqIuuV@%E!!+VhPH{|H`73JRTaS;@#i9*2oaMg-}ugRKFcp&eFaC_*h*im!Uh_^cOjUH`E5#N=i} z$K3JfN;iX4afNHWcm|TBdh60xS1^-IdbGW&8sGK=1Pwe(5q=}RF~!DGXgS)}X-CLLYNe)!yeGX{Jx>e4*EZlZp?35|+--+uOIuIt%pFU%Cab zAq>XFuIJ=G*{%E$eiO+4dIz^!zNew|kZ##PaD8S15{TKP+sAEIy7ZHYUN$Qy?wM?5 zGHfnV60k{ipNq7W?8VuqeyNVd{M`+rb%v!N)88yW*}C6J5qmg+F3BMA{v|47U_nb8 z`#m7~qipy@C|cb4fN(8fhWxYrn_mfX7 z%40Af1gnywyNvSUgEuMP{h(xt;u&rCfuMRZuBC9ero`uH(={wF=w3s*~fv zt^NZmU=-kqbduowiKa(o+xQ6^TLkLvY>VI4x0oV;j_Jk8AV^ z{M>$AiRhb$EHE6i`0eicp$_dI@=Fvc-6k}rFXZ{f!eiScgnD1H+~UY!(GUryl3o5L zu5zA!G9_#>*j9y6hKblE+n)Ru=D>1bZC|Utkk^+MJ^=pK8?1PGd$}&1{h@H+Nbi;4 zjM~dp4hTJB<xK71BL8?I?0`I3p5`Rg*<0+i5)v@^KW(L!$5v zD7qNsSC=FxljS=-&t=A4xp8T(tE(tqMegCjR^09?R5gFVrr@*55UEM77ph0PD+&Ke5WA;+u;Y^TvhDW}7L{D^T{^2yb@l2Oq!0Pg$4cNzV*s|TJ-9DI zVO`&9mr^ZNLY?1tpjpj8(V8QHjddW(9FJijOKCbUw9r>!hWo^AT(mVx8ra?!s#@Ew zq^L#W6{ExDge}Hl2~&g^4Y2e&ksdG_zgw>2QuaKR*O;5a9% zHoh0n4n0r08LYP0apG|2b}}A=1&Dsl$E0IXO`L0ebDqB_lNKkRrza@tVC2Z7*JcN8 zA_LpTdyYkWw7G3Ww|qxq(5ahlABXfNezm~Ytj}hz4Ot$0m2ZLI8+ggwQrf<13;aq6 zt38F@_ry5QjzuTXv~c~#n>>P6#3~)1sf3VSk$J1dt#`Z0uzBqG>41B7&S}sKskoH z&LwNPf0<+Qr0*mg=U7DZ4(NzRy^V9J&yw@@6A?nEsgq3NWC9Wx;9`u}FHyP1RzyEL zrf^|&;UYv3q7NJoJ^(P0v}F4Di0C-qQ^gV*NsN!^N%pC>{4;?JNy=`}>W}NLIUc)4 xR$M6&2^t2? = talkDescription: "DNA contains massive amounts of biological information, but how can artificial intelligence help us understand it? In this talk, we will explore how Python and Machine Learning can be used to analyze genetic sequences in a practical and beginner-friendly way. Using public biological datasets, we will demonstrate how DNA sequences can be transformed into data suitable for machine learning models, covering concepts such as feature extraction, sequence representation, and basic classification techniques. We will also review popular Python tools used in bioinformatics, including Biopython, pandas, and scikit-learn, while discussing real-world challenges when working with biological data, such as high dimensionality, noise, and interpretability limitations. By the end of the talk, attendees will have a clear understanding of how to start building genetic analysis projects using accessible tools from the Python ecosystem, even without prior bioinformatics experience.", }, + "ricardo-taborda": { + title: + "Dean, School of Applied Sciences and Engineering @ Universidad EAFIT", + description: + "Ricardo Taborda is Dean of the School of Applied Sciences and Engineering at Universidad EAFIT, leading a school of 130 full-time faculty. His background combines academic administration with research in engineering seismology and earthquake engineering, including leadership roles in research organizations and international collaborations. He holds a Ph.D. in Civil Engineering from Carnegie Mellon University, a master's in Structural Mechanics from the University of Southern California, a master's in Structural Engineering from UNAM, and a bachelor's in Civil Engineering from Universidad EAFIT. He is skilled in scientific computing with a focus on computational seismology.", + talkTitle: "", + talkDescription: "", + }, "robin-hafid-quintero-lopez": { title: "Software Engineer @ GenLogs", description: @@ -501,6 +509,14 @@ export const speakerContentByLocale: Record = talkDescription: "El ADN contiene cantidades masivas de información biológica, pero ¿cómo puede la inteligencia artificial ayudarnos a entenderla? En esta charla exploraremos cómo Python y Machine Learning pueden usarse para analizar secuencias genéticas de forma práctica y accesible para principiantes. Usando datasets biológicos públicos, demostraremos cómo las secuencias de ADN pueden transformarse en datos aptos para modelos de machine learning, cubriendo conceptos como extracción de features, representación de secuencias y técnicas básicas de clasificación. También revisaremos herramientas populares de Python usadas en bioinformática, incluyendo Biopython, pandas y scikit-learn, mientras discutimos desafíos reales al trabajar con datos biológicos, como alta dimensionalidad, ruido y limitaciones de interpretabilidad. Al final de la charla, los asistentes tendrán una comprensión clara de cómo empezar a construir proyectos de análisis genético usando herramientas accesibles del ecosistema Python, incluso sin experiencia previa en bioinformática.", }, + "ricardo-taborda": { + title: + "Decano de la Escuela de Ciencias Aplicadas e Ingeniería @ Universidad EAFIT", + description: + "Ricardo Taborda es Decano de la Escuela de Ciencias Aplicadas e Ingeniería de la Universidad EAFIT, donde lidera una escuela de 130 profesores de planta. Su trayectoria combina administración académica con investigación en sismología de ingeniería e ingeniería sísmica, incluyendo liderazgo en organizaciones de investigación y colaboraciones internacionales. Es doctor en Ingeniería Civil por Carnegie Mellon University, magíster en Mecánica Estructural por la University of Southern California, magíster en Ingeniería Estructural por la UNAM y graduado en Ingeniería Civil de la Universidad EAFIT. Tiene experiencia en computación científica con énfasis en sismología computacional.", + talkTitle: "", + talkDescription: "", + }, "robin-hafid-quintero-lopez": { title: "Software Engineer @ GenLogs", description: diff --git a/src/assets/data/speakers.ts b/src/assets/data/speakers.ts index 15b4b53..4fa18b8 100644 --- a/src/assets/data/speakers.ts +++ b/src/assets/data/speakers.ts @@ -331,6 +331,18 @@ const speakerList: SpeakerInput[] = [ language: "Spanish / Español", level: "Beginner / Principiante", }, + { + slug: "ricardo-taborda", + talkKey: "ricardo-taborda", + name: "Ricardo Taborda", + image: "/images/speakers/ricardo-taborda.jpg", + tracks: ["community", "scientific-computing"], + github: "https://github.com/ricardotaborda", + linkedin: "https://www.linkedin.com/in/ricardotaborda/", + country: "Colombia", + language: "Spanish / Español", + level: "All / Para todos los niveles", + }, { slug: "robin-hafid-quintero-lopez", talkKey: "robin-hafid-quintero-lopez", diff --git a/src/components/blocks/speakers/speaker-detail.tsx b/src/components/blocks/speakers/speaker-detail.tsx index 4d407a1..de51487 100644 --- a/src/components/blocks/speakers/speaker-detail.tsx +++ b/src/components/blocks/speakers/speaker-detail.tsx @@ -134,31 +134,33 @@ const SpeakerDetail = ({ slug }: SpeakerDetailProps) => {

- + {talks.length > 0 ? ( + <> + - -

- {talks.length > 1 - ? t("blocks.speakers.detail.sessions") - : talks[0]?.format === "workshop" - ? t("blocks.speakers.detail.workshop") - : t("blocks.speakers.detail.talk")} -

- {talks.length > 0 ? ( -
- {talks.map((talk) => ( - - ))} -
- ) : null} - + +

+ {talks.length > 1 + ? t("blocks.speakers.detail.sessions") + : talks[0]?.format === "workshop" + ? t("blocks.speakers.detail.workshop") + : t("blocks.speakers.detail.talk")} +

+
+ {talks.map((talk) => ( + + ))} +
+ + + ) : null} From 961226ee727e35e96725d7a8218abc8ac34ca8f0 Mon Sep 17 00:00:00 2001 From: "Alejandro E. Rendon" Date: Mon, 6 Jul 2026 06:08:24 -0500 Subject: [PATCH 2/3] Add localization support for schedule events and new speaker content: Enhanced the schedule by introducing a localized title for events in both English and Spanish. Added a new function to retrieve event titles based on the selected locale. Introduced speaker profiles and workshop requirements, improving accessibility and representation for attendees. Updated various components to utilize the new localization features, enriching the user experience. --- src/assets/data/schedule.ts | 17 +- src/assets/data/speaker-talk-snippets.ts | 131 ++ src/assets/data/speakers-content.locale.ts | 178 ++- src/assets/data/speakers.ts | 1 - src/assets/data/sponsor-videos/factored.ts | 4 - src/assets/data/workshop-requirements.ts | 167 +++ .../data/workshop-speakers-content.locale.ts | 1225 +++++++++-------- src/assets/data/workshop-speakers.ts | 211 ++- .../user-schedule-02/user-schedule-02.tsx | 25 +- 9 files changed, 1205 insertions(+), 754 deletions(-) create mode 100644 src/assets/data/speaker-talk-snippets.ts create mode 100644 src/assets/data/workshop-requirements.ts diff --git a/src/assets/data/schedule.ts b/src/assets/data/schedule.ts index 335b1d7..e6dea76 100644 --- a/src/assets/data/schedule.ts +++ b/src/assets/data/schedule.ts @@ -8,6 +8,7 @@ export type ScheduleEvent = { date: string; title: string; displayTitle: string; + displayTitleEs?: string; speaker: string; talkKey?: string; keynoteSlug?: string; @@ -47,6 +48,17 @@ export const scheduleDays = [ }, ] as const; +export function getLocalizedScheduleEventTitle( + event: ScheduleEvent, + locale: "en" | "es", +): string { + if (locale === "es" && event.displayTitleEs) { + return event.displayTitleEs; + } + + return event.displayTitle; +} + export const scheduleEvents: ScheduleEvent[] = [ { id: "1", @@ -74,8 +86,9 @@ export const scheduleEvents: ScheduleEvent[] = [ room: "Main Auditorium (Fundadores)", hour: "8:00 - 8:10", date: "2026-07-24", - title: "Moment: Charla Bienvenida EAFIT", - displayTitle: "Charla Bienvenida EAFIT", + title: "Moment: Institutional Welcome", + displayTitle: "Institutional Welcome", + displayTitleEs: "Bienvenida Institucional", speaker: "Ricardo Taborda", label: "EAFIT", language: ["ES"], diff --git a/src/assets/data/speaker-talk-snippets.ts b/src/assets/data/speaker-talk-snippets.ts new file mode 100644 index 0000000..af36a80 --- /dev/null +++ b/src/assets/data/speaker-talk-snippets.ts @@ -0,0 +1,131 @@ +export const cristhianJesidBioEn = + "Machine Learning Engineer and Data Engineer with a background in Astronomy and Astrophysics and over 5 years of experience designing, building, and deploying scalable data pipelines, ML systems, and Big Data solutions on AWS and Databricks. My academic training in physics and computational astrophysics—including large-scale cosmological simulations, statistical inference on observational data, and numerical methods—provides a strong analytical foundation for solving complex data and ML problems. I specialize in building end-to-end machine learning pipelines, RAG systems, and agentic AI workflows, as well as optimizing big data processes using Apache Spark, SQL/NoSQL data modeling, and cloud-native architectures."; + +export const cristhianJesidBioEs = + "Machine Learning Engineer y Data Engineer con formación en Astronomía y Astrofísica y más de 5 años de experiencia diseñando, construyendo y desplegando pipelines de datos escalables, sistemas de ML y soluciones de Big Data en AWS y Databricks. Mi formación académica en física y astrofísica computacional—incluyendo simulaciones cosmológicas a gran escala, inferencia estadística sobre datos observacionales y métodos numéricos—proporciona una base analítica sólida para resolver problemas complejos de datos y ML. Me especializo en construir pipelines de machine learning end-to-end, sistemas RAG y flujos de trabajo de IA agéntica, así como en optimizar procesos de big data usando Apache Spark, modelado de datos SQL/NoSQL y arquitecturas cloud-native."; + +export const cristhianJesidTalkEn = { + talkTitle: + "Structured Learning: An AI-powered platform that transforms academic papers into interactive learning experiences.", + talkDescription: `Structured Learning: The AI Platform That Other AI Agents Build" Subtitle: A real platform that converts academic papers into interactive learning modules, built as a solo developer with an agent pipeline that takes every GitHub issue to a merged PR, on pure Python, async FastAPI, and AWS + +What do you do when you need to understand and implement a research paper, and existing tools force you to jump between five tabs — PDF viewer, ChatGPT, IDE, notes, a search engine — and every jump breaks context? And what happens when, on the other side of the problem, you're a solo developer trying to build something serious to solve it, with AI agents that usually work well in demos but fall apart in production? + +This talk is the engineering story of Structured Learning: a platform that converts a research paper into a complete learning module — chapter-by-chapter explanations, incremental executable code, RAG chat, FSRS spaced-repetition flashcards, equation derivations, and a Neo4j knowledge graph connecting concepts across the user's entire library. Nineteen of forty-two features delivered as a solo developer. The product is the visible half. The interesting half is how it was built. + +The first topic is the product. Where a static tool promises "upload the PDF, get a summary," Structured Learning accompanies the three phases of working with a paper — researching it, understanding it, and applying it — across four custom AI agents in async FastAPI and LiteLLM, with multi-provider support across Anthropic, OpenAI, Google, DeepSeek, and Ollama. + +The second topic is engineering: an agentic development workflow pipeline that takes a GitHub issue to a merged PR — planning, implementation, tests, review, automatic patching, conflict resolution, documentation, and release. Each phase runs in an isolated git worktree with its own port range, so agents actually run in parallel without checkout contention. Commands in GitHub comments (/plan, /patch, /conflict) trigger background workflows that post phase-by-phase progress back to the same issue, creating a human-readable audit trail. Adaptive routing sends trivial classification to fast, cheap models, and heavy review or debugging to stronger models. PR creation is deferred until all quality gates are green — unit tests, end-to-end tests, and review. When review finds blockers, the pipeline automatically launches a patch workflow to fix them in place and re-runs verification. Real self-repair, no human in the loop for the common "almost right" case. + +The third topic is production: how this runs on AWS without breaking, and how we develop it locally without paying for cloud. The entire stack — S3 for PDF uploads and TTS audio cache, ECS Fargate for FastAPI backend and GROBID service, RDS PostgreSQL 16 with pgvector extension consolidating application DB and vectors, Secrets Manager for credentials, ECR with immutable image promotion — lives on Terraform with per-environment directory separation. The key to maintaining dev↔prod parity is LocalStack plus a single variable (S3_ENDPOINT_URL): the same boto3 client runs identically on both sides, no code branches, no mocks in tests. docker compose up reproduces the full AWS topology locally, enabling end-to-end flows — paper upload, audio generation, caching — without real credentials or cloud costs during development. + +You'll leave with a clear view of the product — a platform that covers the three phases of working with an academic paper. For research, it offers conversational search over arXiv and OpenAlex, and a Neo4j graph that detects shared concepts, knowledge gaps, and optimal reading order across your entire library. For explanation, it generates chapter breakdowns with key concepts and diagrams, step-by-step equation derivations that demystify the math, RAG chat and Socratic mode that answers with the paper's full context, and an annotatable PDF reader with "Ask AI" on any selection. And for practical application, it produces executable code that builds incrementally with dependency tracking, FSRS flashcards for measurable long-term retention, and comprehension quizzes that validate understanding chapter by chapter. And with three concrete engineering recipes to reproduce in your own stack. One for building serious AI products without magic frameworks: typed contracts with Pydantic, SSE streaming with cancellation, prompt caching, and per-task cost accounting. Another for scaling a solo developer to team velocity by applying agentic discipline to your own development cycle: isolated worktrees, resumable pipelines, auto-patching after failed review, GitHub as the agents' API. And a third for eliminating "works on my machine" from AWS infrastructure using LocalStack as a local S3 mirror. The thesis: agents don't replace engineers, they replace the glue between engineers and the boring 80% of the SDLC — and that's where compound returns live.`, +}; + +export const cristhianJesidTalkEs = { + talkTitle: + "Structured Learning. Plataforma impulsada por IA que transforma papers académicos en experiencias de aprendizaje interactivas.", + talkDescription: `Structured Learning: La plataforma de IA que Otros Agentes de IA Construyen" Subtítulo: Una plataforma real que convierte papers académicos en módulos de aprendizaje interactivos, construida como único desarrollador con un pipeline de agentes que lleva cada issue de GitHub hasta un PR fusionado, sobre Python puro, FastAPI async y AWS + +¿Qué hacés cuando tenés que entender e implementar un paper de investigación, y las herramientas existentes te fuerzan a saltar entre cinco pestañas — PDF viewer, ChatGPT, IDE, notas, un buscador — y cada salto rompe el contexto? ¿Y qué pasa cuando, del otro lado del problema, sos un solo desarrollador tratando de construir algo serio para resolverlo, con agentes de IA que normalmente funcionan bien en demos pero se caen en producción? + +Esta charla es la historia de ingeniería de Structured Learning: una plataforma que convierte un paper de investigación en un módulo completo de aprendizaje — explicaciones capítulo por capítulo, código ejecutable incremental, chat con RAG, flashcards con repetición espaciada FSRS, derivaciones de ecuaciones, y un grafo de conocimiento en Neo4j que conecta conceptos a través de toda la biblioteca del usuario. Diecinueve de cuarenta y dos features entregadas como único desarrollador. El producto es la mitad visible. La mitad interesante es cómo se construyó. + +El primer tema es el producto. Donde una herramienta estática promete "subí el PDF, recibí un resumen", Structured Learning acompaña las tres fases de trabajar con un paper -- investigarlo, entenderlo y aplicarlo sobre cuatro agentes de IA custom en FastAPI async y LiteLLM, con soporte multi-proveedor entre Anthropic, OpenAI, Google, DeepSeek y Ollama + +El segundo tema es la ingeniería: un pipeline de workflows agénticos de desarrollo que lleva un issue de GitHub hasta un PR fusionado -- planificación, implementación, tests, review, patch automático, resolución de conflictos, documentación y release. Cada fase corre en un git worktree aislado con su propio rango de puertos, así que los agentes ejecutan realmente en paralelo sin contención de checkout. Los comandos en comentarios de GitHub (/plan, /patch, /conflict) disparan workflows en background que postean progreso fase por fase de vuelta al mismo issue, creando un audit trail legible por humanos. El ruteo adaptativo envía clasificación trivial a modelos rápidos y baratos, y review pesado o debugging a modelos más fuertes. La creación del PR se difiere hasta que todas las compuertas de calidad están verdes -- unit tests, tests end-to-end y review. Cuando el review encuentra bloqueadores, el pipeline lanza automáticamente un workflow de patch para arreglarlos en sitio y vuelve a correr la verificación. Auto-reparación real, sin humano en el loop para el caso común de "casi bien". + +El tercer tema es producción: cómo esto corre en AWS sin romperse, y cómo lo desarrollamos localmente sin pagar nube. El stack entero -- S3 para uploads de PDFs y caché de audio TTS, ECS Fargate para backend FastAPI y servicio GROBID, RDS PostgreSQL 16 con extensión pgvector consolidando DB de aplicación y vectores, Secrets Manager para credenciales, ECR con promoción inmutable de imágenes -- vive sobre Terraform con separación por directorios por entorno. La clave para mantener paridad dev↔prod es LocalStack más una sola variable (S3_ENDPOINT_URL): el mismo cliente boto3 corre idéntico en ambos lados, sin branches de código, sin mocks en los tests. docker compose up reproduce la topología completa de AWS localmente, lo que permite ejercitar flujos end-to-end -- upload de paper, generación de audio, cacheo -- sin credenciales reales ni gastos de nube durante el desarrollo. + +Te vas a ir con una visión clara del producto -- una plataforma que cubre las tres fases de trabajar con un paper académico. Para la investigación, ofrece búsqueda conversacional sobre arXiv y OpenAlex, y un grafo Neo4j que detecta conceptos compartidos, vacíos de conocimiento y orden óptimo de lectura entre toda tu biblioteca. Para la explicación, genera desgloses por capítulo con conceptos clave y diagramas, derivaciones de ecuaciones paso a paso que desmitifican la matemática, chat con RAG y modo Socrático que responde con el contexto completo del paper, y un lector de PDF anotable con "Ask AI" sobre cualquier selección. Y para la aplicación práctica, produce código ejecutable que se construye incrementalmente con seguimiento de dependencias, flashcards FSRS para retención medible de largo plazo, y quizzes de comprensión que validan entendimiento capítulo por capítulo. Y con tres recetas concretas de ingeniería para reproducirlo en el tuyo. Una para construir productos de IA serios sin frameworks mágicos: contratos tipados con Pydantic, streaming SSE con cancelación, caching de prompts y contabilidad de costos por tarea. Otra para escalar a un único desarrollador a velocidad de equipo aplicando disciplina agéntica al propio ciclo de desarrollo: worktrees aislados, pipelines reanudables, auto-patching tras review fallido, GitHub como la API de los agentes. Y una tercera para eliminar el "funciona en mi máquina" de infraestructura AWS usando LocalStack como espejo local de S3. La tesis: los agentes no reemplazan ingenieros, reemplazan el pegamento entre ingenieros y el aburrido 80% del SDLC -- y ahí es donde viven los retornos compuestos.`, +}; + +export const gonzaloBioEn = + "I'm a Colombian software engineer with 11+ years of professional experience, and entrepreneur working in Python, TypeScript and open source development. I currently work as an AI Engineer at Backblaze. Previously, I worked at Datalayer building tools at the intersection of Jupyter, AI, and collaborative computing, at Quansight contributing to the scientific Python ecosystem, and at Anaconda as Technical Lead for Anaconda Navigator.\n\nMy career spans from water resources engineering (MSc from IHE Delft and Erasmus Mundus) to becoming a core contributor to major open source projects including Spyder IDE, JupyterLab, and napari, conda-forge among others. I've created over 400+ conda-forge recipes and led internationalization efforts for JupyterLab and automating efforts in the Scientific Python Translations project.\n\nI also co-founded Trepa, a climbing gym in Bogotá, Colombia, where I have developed tools to manage the business and community by automating workflows with AI. These include scraping workflows, chatbots, automatic review and messaging system, and Data Analysis, all to support the Business decissions.\n\nI'm deeply committed to the Latin American Python and open source communities. I co-founded PyCon Colombia, helped organize SciPy Latam, and serve on the Python Software Foundation Grants Working Group.\n\nI believe in making technology accessible across languages and borders, and I'm passionate about mentoring the next generation of developers in Latin America.\n\nI have been a hobby climber since 2021 and a musician, playing keyboards, guitar and choruses with a local band."; + +export const gonzaloBioEs = + "Soy ingeniero de software colombiano con más de 11 años de experiencia profesional y emprendedor trabajando en Python, TypeScript y desarrollo open source. Actualmente trabajo como AI Engineer en Backblaze. Anteriormente trabajé en Datalayer construyendo herramientas en la intersección de Jupyter, IA y computación colaborativa, en Quansight contribuyendo al ecosistema científico de Python, y en Anaconda como Technical Lead de Anaconda Navigator.\n\nMi carrera abarca desde ingeniería de recursos hídricos (MSc de IHE Delft y Erasmus Mundus) hasta convertirme en contribuidor core de proyectos open source importantes incluyendo Spyder IDE, JupyterLab y napari, conda-forge entre otros. He creado más de 400 recetas en conda-forge y lideré esfuerzos de internacionalización para JupyterLab y automatización en el proyecto Scientific Python Translations.\n\nTambién cofundé Trepa, un gimnasio de escalada en Bogotá, Colombia, donde he desarrollado herramientas para gestionar el negocio y la comunidad automatizando flujos de trabajo con IA. Estos incluyen flujos de scraping, chatbots, sistema automático de revisión y mensajería, y análisis de datos, todo para apoyar las decisiones del negocio.\n\nEstoy profundamente comprometido con las comunidades Python y open source de Latinoamérica. Cofundé PyCon Colombia, ayudé a organizar SciPy Latam y sirvo en el Python Software Foundation Grants Working Group.\n\nCreo en hacer la tecnología accesible a través de idiomas y fronteras, y me apasiona mentorizar a la próxima generación de desarrolladores en Latinoamérica.\n\nSoy escalador aficionado desde 2021 y músico, toco teclados, guitarra y coros con una banda local."; + +export const gonzaloTalkEn = { + talkTitle: "Provenance by Default: AI Media Pipelines in Python", + talkDescription: `A model can now generate a video that looks indistinguishable from one your camera recorded. The same is true for an image, a voice, or a song. As Python developers, we are building those pipelines — and we are also the ones who will be asked, very soon, to prove what came out of them. + +This talk is about building generative media pipelines in Python in a way that answers that question by default. We'll walk through Genblaze, an open-source SDK (github.com/backblaze-labs/genblaze, MIT licensed) that I work on at Backblaze, and use it as a vehicle to talk about the design problems any team faces when wiring AI generation into a real product. + +We will cover, with live code: + +1. The Pipeline pattern. A fluent Pipeline → Step → Run → Manifest API built on Pydantic v2 and Runnable[In, Out] ABCs. Sync, async, and streaming runners share a single mental model. We'll see how chain=True propagates assets, how input_from=[0, 1] enables fan-in for AV compositing with FFmpeg, and how fallback_models=[...] retries automatically when a provider drifts. + +2. One API, eleven providers. OpenAI Sora, Google Veo, Runway, Luma, Decart, Replicate, ElevenLabs, Stability Audio, LMNT, GMICloud, NVIDIA NIM — all behind the same submit / poll / fetch_output lifecycle. We'll see how a thin provider ABC plus a runtime-extensible ModelRegistry lets you adopt a model the same week it's released, without waiting for a library update. + +3. Provenance that survives the file. Every run produces a canonical, SHA-256-verified manifest (deterministic JSON, sorted keys, NFC unicode, normalized floats) that gets embedded into the media itself PNG iTXt, JPEG/WebP XMP, MP4 UUID box, MP3 ID3v2, WAV LIST/INFO. We'll extract and verify a manifest from a real .mp4. We'll talk about what the hash does prove (integrity) and what it doesn't (authentication), and why that distinction is the entire point. + +4. Privacy and policy. EmbedPolicy lets pipelines redact prompts, strip parameters, or swap to pointer-mode sidecars. SSRF protection on webhook and asset transfers. Trust modes for adversarial verification. + +5. Storage and replay. Durable B2 / S3-compatible URLs, content-addressable layouts, and a CLI (genblaze extract / verify / replay / index) that turns any manifest back into an executable pipeline. + +6. Agent loops with lineage. AgentLoop composes a pipeline factory with an evaluator; every iteration is linked via parent_run_id, so refinement chains are first-class in provenance — not a side note in your logs. + +By the end, attendees will have a clear, opinionated reference for how to architect generative-AI features in Python so that "what did this system actually produce, and can I prove it?" is a one-line answer instead of a ticket.`, +}; + +export const gonzaloTalkEs = { + talkTitle: "Provenance by Default: pipelines de medios con IA en Python", + talkDescription: `Un modelo ahora puede generar un video que parece indistinguible de uno que grabó tu cámara. Lo mismo es cierto para una imagen, una voz o una canción. Como desarrolladores Python, estamos construyendo esos pipelines — y también seremos quienes muy pronto nos pidan probar lo que salió de ellos. + +Esta charla trata sobre construir pipelines de medios generativos en Python de una forma que responda esa pregunta por defecto. Recorreremos Genblaze, un SDK open source (github.com/backblaze-labs/genblaze, licencia MIT) en el que trabajo en Backblaze, y lo usaremos como vehículo para hablar de los problemas de diseño que cualquier equipo enfrenta al integrar generación con IA en un producto real. + +Cubriremos, con código en vivo: + +1. El patrón Pipeline. Una API fluida Pipeline → Step → Run → Manifest construida sobre Pydantic v2 y ABCs Runnable[In, Out]. Runners sync, async y streaming comparten un solo modelo mental. Veremos cómo chain=True propaga assets, cómo input_from=[0, 1] habilita fan-in para composición AV con FFmpeg, y cómo fallback_models=[...] reintenta automáticamente cuando un proveedor se desvía. + +2. Una API, once proveedores. OpenAI Sora, Google Veo, Runway, Luma, Decart, Replicate, ElevenLabs, Stability Audio, LMNT, GMICloud, NVIDIA NIM — todos detrás del mismo ciclo de vida submit / poll / fetch_output. Veremos cómo un ABC delgado de proveedor más un ModelRegistry extensible en runtime te permite adoptar un modelo la misma semana que sale, sin esperar una actualización de librería. + +3. Provenance que sobrevive al archivo. Cada ejecución produce un manifiesto canónico verificado con SHA-256 (JSON determinista, claves ordenadas, unicode NFC, floats normalizados) que se embebe en el medio mismo: PNG iTXt, JPEG/WebP XMP, MP4 UUID box, MP3 ID3v2, WAV LIST/INFO. Extraeremos y verificaremos un manifiesto de un .mp4 real. Hablaremos de qué prueba el hash (integridad) y qué no (autenticación), y por qué esa distinción es todo el punto. + +4. Privacidad y política. EmbedPolicy permite que los pipelines redacten prompts, eliminen parámetros o cambien a sidecars en modo puntero. Protección SSRF en webhooks y transferencias de assets. Modos de confianza para verificación adversarial. + +5. Almacenamiento y replay. URLs duraderas compatibles con B2 / S3, layouts content-addressable, y una CLI (genblaze extract / verify / replay / index) que convierte cualquier manifiesto de vuelta en un pipeline ejecutable. + +6. Agent loops con lineage. AgentLoop compone una factory de pipeline con un evaluador; cada iteración se vincula vía parent_run_id, así que las cadenas de refinamiento son de primera clase en provenance — no una nota al margen en tus logs. + +Al final, los asistentes tendrán una referencia clara y con opinión sobre cómo arquitectar features de IA generativa en Python para que "¿qué produjo realmente este sistema y puedo probarlo?" sea una respuesta de una línea en lugar de un ticket.`, +}; + +export const sankalpTalkEn = { + talkTitle: "Your AI Eval Is Lying To You", + talkDescription: `When you set temperature=0 and run your AI eval, you expect the same input to give the same output. It doesn't. Recent measurements on Qwen3-235B at temperature=0 produced 80 unique completions on a single prompt. So when your eval reports "92% pass rate," what does that actually mean? Is it 92% capable, 92% reliable, or 92% lucky on a small sample? + +This talk is about the gap between how the AI eval ecosystem talks about scores and what those scores can actually support. We walk through five specific tools that fix the gap, all anchored to published methods: + +1. Pass@k versus pass^k: capability versus reliability, two different questions that one number obscures (Chen et al. 2021, OpenAI Codex paper). +2. Wilson confidence intervals with proper boundary handling, so your "92%" comes with an honest range (Brown et al. 2001). +3. Bayesian pass@k with Beta-Binomial conjugacy, when you want a posterior rather than a point estimate (Hariri et al., ICLR 2026). +4. Sequential drift detection with EWMA, CUSUM, and OLS, to catch eval regression while it's small instead of after a customer reports it (Lucas-Saccucci 1990, Page 1954, Montgomery 2012). +5. Family-wise error control via Benjamini-Hochberg, Benjamini-Yekutieli, and e-BH FDR procedures, for when you're running multiple correlated drift checks in parallel and don't want false alarms (Benjamini-Hochberg 1995, Wang-Ramdas 2022). + +Each method gets a short demo in pure Python with no framework dependency. The audience leaves with reference implementations they can paste into an existing pytest setup tonight. + +The talk also previews an open-core pytest plugin shipping in July 2026 that packages these methods into a single eval pipeline with SARIF reporting and a baseline-regression workflow. The talk shows the open primitives and the methodology that drives them. + +The production AI-eval ecosystem (LangSmith, Arize Phoenix, Evidently, DeepEval, Promptfoo, and others) mostly uses absolute thresholds and simple averages. None of the ten platforms I surveyed combine sequential testing with FDR control on bounded scoring scales. The framing here isn't competitive; it's a methodological gap every team shipping production AI evals will hit eventually.`, +}; + +export const sankalpTalkEs = { + talkTitle: "Tu eval de IA te está mintiendo", + talkDescription: `Cuando pones temperature=0 y corres tu eval de IA, esperas que la misma entrada dé la misma salida. No lo hace. Mediciones recientes en Qwen3-235B con temperature=0 produjeron 80 completions únicas en un solo prompt. Entonces, cuando tu eval reporta "92% pass rate", ¿qué significa realmente? ¿Es 92% de capacidad, 92% de confiabilidad o 92% de suerte en una muestra pequeña? + +Esta charla trata sobre la brecha entre cómo el ecosistema de eval de IA habla de los scores y lo que esos scores realmente pueden sostener. Recorremos cinco herramientas específicas que cierran la brecha, todas ancladas a métodos publicados: + +1. Pass@k versus pass^k: capacidad versus confiabilidad, dos preguntas distintas que un solo número oscurece (Chen et al. 2021, paper de OpenAI Codex). +2. Intervalos de confianza Wilson con manejo correcto de fronteras, para que tu "92%" venga con un rango honesto (Brown et al. 2001). +3. Pass@k bayesiano con conjugación Beta-Binomial, cuando quieres un posterior en lugar de una estimación puntual (Hariri et al., ICLR 2026). +4. Detección secuencial de drift con EWMA, CUSUM y OLS, para detectar regresión en eval mientras es pequeña en lugar de después de que un cliente lo reporte (Lucas-Saccucci 1990, Page 1954, Montgomery 2012). +5. Control de error family-wise vía procedimientos FDR Benjamini-Hochberg, Benjamini-Yekutieli y e-BH, para cuando corres múltiples chequeos de drift correlacionados en paralelo y no quieres falsas alarmas (Benjamini-Hochberg 1995, Wang-Ramdas 2022). + +Cada método tiene un demo corto en Python puro sin dependencia de frameworks. La audiencia se lleva implementaciones de referencia que pueden pegar en un setup pytest existente esta misma noche. + +La charla también anticipa un plugin pytest open-core que sale en julio 2026 empaquetando estos métodos en un solo pipeline de eval con reportes SARIF y un workflow de regresión contra baseline. La charla muestra los primitivos abiertos y la metodología que los impulsa. + +El ecosistema de eval de IA en producción (LangSmith, Arize Phoenix, Evidently, DeepEval, Promptfoo y otros) mayormente usa umbrales absolutos y promedios simples. Ninguna de las diez plataformas que encuesté combina testing secuencial con control FDR en escalas de scoring acotadas. El encuadre aquí no es competitivo; es una brecha metodológica que todo equipo desplegando evals de IA en producción eventualmente encontrará.`, +}; diff --git a/src/assets/data/speakers-content.locale.ts b/src/assets/data/speakers-content.locale.ts index 3367d6c..3fa009f 100644 --- a/src/assets/data/speakers-content.locale.ts +++ b/src/assets/data/speakers-content.locale.ts @@ -1,4 +1,16 @@ import type { SiteLocale } from "@/lib/site-messages"; +import { + cristhianJesidBioEn, + cristhianJesidBioEs, + cristhianJesidTalkEn, + cristhianJesidTalkEs, + gonzaloBioEn, + gonzaloBioEs, + gonzaloTalkEn, + gonzaloTalkEs, + sankalpTalkEn, + sankalpTalkEs, +} from "./speaker-talk-snippets"; import { workshopSpeakerContentByLocale } from "./workshop-speakers-content.locale"; export type SpeakerContent = { @@ -15,21 +27,21 @@ const mateoSebastianTalkEn = { talkTitle: "From Expert Judgment to Autonomous Optimization: Encoding Human Expertise into LLM Judges with DSPy", talkDescription: - 'A single misread clause in a reinsurance contract can mean millions in liability. Our LLM pipeline could extract and summarize these documents, but how do you know the output is actually correct? String matching fails ("USD 5,000,000" vs "$5M" scores zero), human review at scale is unaffordable, and a single LLM-as-judge prompt gives inconsistent, uncalibrated scores. The real bottleneck was never generation; it was evaluation. This talk shows how we solved it in two steps, both built entirely in Python. First, we encoded expert evaluation at scale using DSPy to distill judgments from five domain experts into a panel of calibrated LLM judges, each targeting a single quality dimension, weighted to reflect what experts actually care about. Then we closed the loop using DSPy\'s MIPROv2 and GEPA optimizers, wiring the judge panel as a fitness function and letting the system rewrite prompts autonomously, with regression guards and CI gates so humans review only the final score delta. The stack is Python-native: DSPy, MLflow, LiteLLM, Pydantic. You will leave with a concrete recipe for encoding expert knowledge into automated LLM evaluation and self-improving optimization, applicable to any domain where "correct" is nuanced.', + 'A single misread clause in a reinsurance contract can mean millions in liability. Our LLM pipeline could extract and summarize these documents, but how do you know the output is actually correct? String matching fails ("USD 5,000,000" vs "$5M" scores zero), human review at scale is unaffordable, and a single LLM-as-judge prompt gives inconsistent, uncalibrated scores. The real bottleneck was never generation; it was evaluation. This talk shows how we solved it in two steps, both built entirely in Python.\n\nFirst, we encoded expert evaluation at scale. We collected structured reviews from five domain experts across different insurance areas, then used DSPy to distill their judgments into a panel of calibrated LLM judges, each targeting a single quality dimension (factual accuracy, task alignment, faithfulness, technical depth, clarity), weighted to reflect what experts actually care about. On our validation set, the panel\'s per dimension scores stayed within 10% of expert consensus across every dimension, with the same relative shape close enough to trust as a fitness function, not just a diagnostic. Expert disagreement turned out to be our most powerful debugging tool: where reviewers diverged, our definitions were ambiguous; where they agreed, we had ground truth.\n\nThen we closed the loop. Using DSPy\'s MIPROv2 and GEPA optimizers, we wired the judge panel as a fitness function and let the system rewrite prompts autonomously. Regression guards prevent gaming across dimensions. Humans review only the final score delta and diff through a CI gate, and experts shifted from repetitive review to refining the evaluation rubric itself, which is something only they can do.\n\nThe stack is Python-native: DSPy, MLflow, LiteLLM, Pydantic. Every code snippet is production code, not pseudocode. You will leave with a concrete recipe for encoding expert knowledge into automated LLM evaluation and self-improving optimization, applicable to any domain where "correct" is nuanced: legal review, medical summaries, code review, customer support, or your own pipeline.', }; const mateoSebastianTalkEs = { talkTitle: - "Del juicio experto a la optimización autónoma: codificando experiencia humana en jueces LLM con DSPy", + "Del juicio experto a la optimización autónoma: codificando expertise humana en jueces LLM con DSPy", talkDescription: - 'Una sola cláusula mal interpretada en un contrato de reaseguro puede significar millones en responsabilidad. Nuestro pipeline de LLM podía extraer y resumir estos documentos, pero ¿cómo saber si la salida es realmente correcta? La coincidencia de cadenas falla ("USD 5,000,000" vs "$5M" puntúa cero), la revisión humana a escala es inviable, y un único prompt de LLM-as-judge da puntuaciones inconsistentes y sin calibrar. El verdadero cuello de botella nunca fue la generación; fue la evaluación. Esta charla muestra cómo lo resolvimos en dos pasos, ambos construidos enteramente en Python. Primero, codificamos la evaluación experta a escala usando DSPy para destilar los juicios de cinco expertos del dominio en un panel de jueces LLM calibrados, cada uno enfocado en una sola dimensión de calidad, ponderados para reflejar lo que realmente importa a los expertos. Luego cerramos el ciclo usando los optimizadores MIPROv2 y GEPA de DSPy, conectando el panel de jueces como función de fitness y dejando que el sistema reescriba prompts de forma autónoma, con guardas de regresión y gates de CI para que los humanos revisen solo el delta final de puntuación. El stack es nativo de Python: DSPy, MLflow, LiteLLM, Pydantic. Te llevarás una receta concreta para codificar conocimiento experto en evaluación automatizada de LLM y optimización auto-mejorante, aplicable a cualquier dominio donde "correcto" es matizado.', + 'Una sola cláusula mal leída en un contrato de reaseguro puede significar millones en responsabilidad. Nuestro pipeline de LLM podía extraer y resumir estos documentos, pero ¿cómo sabes que la salida es realmente correcta? El string matching falla ("USD 5,000,000" vs "$5M" puntúa cero), la revisión humana a escala es inasequible, y un solo prompt de LLM-as-judge da scores inconsistentes y no calibrados. El verdadero cuello de botella nunca fue la generación; fue la evaluación. Esta charla muestra cómo lo resolvimos en dos pasos, ambos construidos enteramente en Python.\n\nPrimero, codificamos evaluación experta a escala. Recolectamos revisiones estructuradas de cinco expertos de dominio en distintas áreas de seguros, luego usamos DSPy para destilar sus juicios en un panel de jueces LLM calibrados, cada uno apuntando a una sola dimensión de calidad (precisión factual, alineación con la tarea, fidelidad, profundidad técnica, claridad), ponderados para reflejar lo que los expertos realmente valoran. En nuestro set de validación, los scores por dimensión del panel se mantuvieron dentro del 10% del consenso experto en cada dimensión, con la misma forma relativa lo suficientemente cercana para confiar como función de fitness, no solo como diagnóstico. El desacuerdo entre expertos resultó ser nuestra herramienta de debugging más poderosa: donde los revisores divergían, nuestras definiciones eran ambiguas; donde coincidían, teníamos ground truth.\n\nLuego cerramos el loop. Usando los optimizadores MIPROv2 y GEPA de DSPy, conectamos el panel de jueces como función de fitness y dejamos que el sistema reescribiera prompts de forma autónoma. Los regression guards previenen gaming entre dimensiones. Los humanos revisan solo el delta de score final y el diff a través de una compuerta de CI, y los expertos pasaron de revisión repetitiva a refinar la rúbrica de evaluación en sí, que es algo que solo ellos pueden hacer.\n\nEl stack es nativo de Python: DSPy, MLflow, LiteLLM, Pydantic. Cada snippet de código es código de producción, no pseudocódigo. Te llevarás una receta concreta para codificar conocimiento experto en evaluación automatizada de LLM y optimización auto-mejorante, aplicable a cualquier dominio donde "correcto" es matizado: revisión legal, resúmenes médicos, code review, soporte al cliente, o tu propio pipeline.', }; const julianaJuanTalkEs = { talkTitle: "De voz a acción: construyendo un asistente de IA con Python y Google Workspace", talkDescription: - "Saltar entre pestañas de Gmail, Calendar, Drive y Jira para tareas repetitivas es agotador. Por eso construimos Attento, un asistente que permite ejecutar acciones reales en Google Workspace usando lenguaje natural. En esta charla construimos Attento, un asistente de voz end-to-end que convierte lenguaje natural en acciones reales sobre Google Workspace. Veremos arquitectura con FastAPI, autenticación OAuth 2.0 con PKCE, function calling con Gemini, streaming con NDJSON, buenas prácticas con uv y Pydantic Settings, y el camino de demo a producción con Postgres y briefings matutinos automatizados.", + "Saltar entre pestañas de Gmail, Calendar, Drive y Jira para tareas repetitivas es agotador. Por eso construimos Attento, un asistente que permite ejecutar acciones reales en Google Workspace usando lenguaje natural.\n\nEn esta charla construimos Attento, un asistente de voz end-to-end que convierte lenguaje natural en acciones reales sobre Google Workspace. Veremos cómo funciona por dentro: desde capturar audio en el navegador, hasta orquestar múltiples APIs en paralelo, persistir contexto entre sesiones y tomar decisiones de infraestructura que escalan.\n\nAgenda:\n\n1. Arquitectura y decisiones de infraestructura\nPor qué elegimos FastAPI sobre Flask/Django. Cómo servir el frontend desde el mismo proceso Python sin un servidor separado. Cuándo no necesitas React. Por qué uv reemplaza a pip y cómo pyproject.toml se convierte en única fuente de verdad del entorno.\n\n2. Autenticación sin atajos\nOAuth 2.0 con PKCE desde cero en Python. Por qué el flujo estándar se rompe con versiones nuevas de google-auth-oauthlib, cómo depurarlo, y cómo diseñar sesiones con cookies firmadas (itsdangerous) sin tocar una base de datos de usuarios.\n\n3. Function calling y gestión de contexto\nCómo Gemini convierte una frase en un plan de acciones estructurado usando tool definitions. Context chaining: el resultado de buscar un archivo en Drive se inyecta automáticamente en la acción de compartir, sin que el usuario lo pida. Cómo mantener contexto entre pasos sin estado en el servidor dentro de un mismo request.\n\n4. Streaming y feedback en tiempo real\nPor qué usamos NDJSON en lugar de WebSockets para transmitir resultados acción por acción mientras se ejecutan, y cómo esto simplifica el frontend a una pantalla de resultados más sencilla.\n\n5. Buenas prácticas que aprendimos haciéndolo mal\nuv en lugar de pip para entornos reproducibles. Pydantic Settings para validación en startup (si falta una variable de entorno, el servidor no arranca). Una única fuente de verdad para los schemas de herramientas. Cómo evitar el infierno de dependencias con versiones de Google Auth.\n\n6. De demo a producción\nEl camino hacia el despliegue real: de SQLite a Postgres, manejo de secretos y la automatización de briefings matutinos.", }; const julianaJuanTalkEn = { @@ -46,13 +58,14 @@ export const speakerContentByLocale: Record = "cristhian-david-recalde-arevalo": { title: "Mobile Developer @ HomeTeam Network", description: - "I'm a Full Stack developer passionate about creating elegant, functional digital solutions. My focus is on writing clean, maintainable, and scalable code that not only works but also delivers an excellent user experience. I mainly work with modern technologies that have allowed me to build robust, high-performance applications for startups in the United States and Ecuador. Beyond development, I enjoy continuous learning, sharing knowledge in tech communities, and contributing to open source projects whenever possible.", + "I'm a Full Stack developer passionate about creating elegant, functional digital solutions. My focus is on writing clean, maintainable, and scalable code that not only works but also delivers an excellent user experience.\n\nI mainly work with modern technologies that have allowed me to build robust, high-performance applications for startups in the United States and Ecuador.\n\nBeyond development, I enjoy continuous learning, sharing knowledge in tech communities, and contributing to open source projects whenever possible.", talkTitle: "Employability in the Age of AI", talkDescription: "Artificial intelligence is changing the job market faster than ever. Many developers wonder: will AI replace me or empower me? In this talk I'll share my real experience going from being a developer in Latin America to working for companies in the United States—facing interviews, optimizing my professional profile, and adapting to an environment where AI is already part of daily life. We'll explore how AI doesn't replace the developer but redefines the value we bring: from writing code to solving real problems, communicating ideas, and building complete solutions. The talk will cover the future of programming, how to shift your mindset toward AI, which skills really matter today, how to stand out in international hiring processes, the role of AI tools in your professional growth, and common mistakes that hold back your employability.", }, "jeronimo-hoyos-botero": { - title: "Student @ Universidad Nacional de Colombia Sede Medellín", + title: + "Desempleado :v @ Universidad Nacional de Colombia Sede Medellín", description: "I'm a student at Universidad Nacional with a strong interest in machine learning. I enjoy creating animations in Manim because they're really cool and let me teach how these systems work under the hood. My goal is to take concepts that often seem strange or abstract and show them visually and through animation so they become much clearer and more accessible.", talkTitle: "Building a Transformer with Rust", @@ -74,7 +87,7 @@ export const speakerContentByLocale: Record = "I have won 3 times the best project award in Systems Engineering at EAFIT. I have given talks at Medellín JS, Python Medellín twice, Medellín AI, PyCon Colombia, Python Moscow, and BarNLP. I am half Colombian, I also have German and Russian heritage, and I speak Russian and German.", talkTitle: "Leverage your Python skill using the Python interpreter", talkDescription: - "In this talk, I'll challenge the audience's mindset about Python. Python is not an interpreter, and in fact, there are multiple Python interpreters—each with its own architecture and purpose. I'll walk through Python's core internals and show how programming languages interact beneath the surface. We'll explore how to write better Python by understanding the garbage collector, what you can build using the AST, how to read and leverage the disassembler, and the practical implications of Python's transition from its old LL(1) parser to the current PEG parser. We'll also dive into lesser-known features of Python interpreters, what a PEP really is and how it shapes the language, and conclude with a deep look at Python without the GIL—what changes, what breaks, and how the core team removed it. Throughout the talk, I'll share personal stories, including battles caused by identical ASTs and the moment I believed I had discovered a way to speed up the Python interpreter itself.", + "In this talk, I'll challenge the audience's mindset about Python. Python is not an interpreter, and in fact, there are multiple Python interpreters—each with its own architecture and purpose. I'll walk through Python's core internals and show how programming languages interact beneath the surface.\n\nWe'll explore how to write better Python by understanding the garbage collector, what you can build using the AST, how to read and leverage the disassembler, and the practical implications of Python's transition from its old LL(1) parser to the current PEG parser.\n\nWe'll also dive into lesser-known features of Python interpreters, what a PEP really is and how it shapes the language, and conclude with a deep look at Python without the GIL—what changes, what breaks, and how the core team removed it.\n\nThroughout the talk, I'll share personal stories, including battles caused by identical ASTs and the moment I believed I had discovered a way to speed up the Python interpreter itself but...", }, "christian-urcuqui": { title: "Senior Data Scientist @ TryHackMe", @@ -82,7 +95,7 @@ export const speakerContentByLocale: Record = "I'm Christian Urcuqui, Cybersecurity Data Scientist with over 11 years of experience in artificial intelligence, cybersecurity, and production machine learning systems. I've worked on designing and evaluating AI systems for threat detection, behavior analysis, and agent-based architectures. I currently collaborate with international organizations on AI Security content and solutions, including agent pentesting and threat modeling. I've been a speaker at events like DEF CON, Ekoparty, BSides, and PyCon, and I'm the author of books on artificial intelligence applied to cybersecurity. My approach combines research, offensive practice (adversarial ML), and secure system design.", talkTitle: "Hacking AI Agents with Python", talkDescription: - "Artificial intelligence is evolving from static models to autonomous systems capable of reasoning, making decisions, and executing actions through tools and APIs. These systems, known as AI agents, are primarily built in Python. But with this evolution comes a new attack surface. In this talk we'll explore how AI agents can be exploited from an offensive perspective, using Python to demonstrate real attacks such as: prompt injection in agent pipelines, information exfiltration through RAG, decision manipulation through adversarial inputs, and abuse of connected tools and APIs. From these scenarios, we'll show how to design security testing (pentesting) specific to AI systems, including black-box, gray-box, and white-box approaches. The talk won't focus only on attacks but also on how to mitigate them, presenting a practical roadmap to evaluate and strengthen AI systems in production. This session is aimed at Python developers, data scientists, and engineers building or integrating AI systems who want to understand how to secure what they're creating.", + "Artificial intelligence is evolving from static models to autonomous systems capable of reasoning, making decisions, and executing actions through tools and APIs. These systems, known as AI agents, are primarily built in Python.\n\nBut with this evolution comes a new attack surface.\n\nIn this talk we'll explore how AI agents can be exploited from an offensive perspective, using Python to demonstrate real attacks such as:\n\n- Prompt injection in agent pipelines\n- Information exfiltration through RAG\n- Decision manipulation through adversarial inputs\n- Abuse of connected tools and APIs\n\nFrom these scenarios, we'll show how to design security testing (pentesting) specific to AI systems, including black-box, gray-box, and white-box approaches.\n\nThe talk won't focus only on attacks but also on how to mitigate them, presenting a practical roadmap to evaluate and strengthen AI systems in production.\n\nThis session is aimed at Python developers, data scientists, and engineers building or integrating AI systems who want to understand how to secure what they're creating.", }, "david-cardozo": { title: "Senior AI Engineer @ Dataiku", @@ -96,7 +109,7 @@ export const speakerContentByLocale: Record = "juan-diego-david-melo-alarcon": { title: "Application Architect @ IBM", description: - "I'm a solutions architect focused on systemic efficiency and building software designed for real-world challenges. My professional focus sits at the intersection of generative AI and cloud-native architectures, where the real challenge isn't just getting a model to respond, but doing so resiliently, scalably, and in a financially sensible way. Throughout my career I've led application modernization in hybrid cloud environments, facing the complexity of integrating cutting-edge services with critical infrastructure.", + "I'm a solutions architect focused on systemic efficiency and building software designed for real-world challenges. My professional focus sits at the intersection of generative AI and cloud-native architectures, where the real challenge isn't just getting a model to respond, but doing so resiliently, scalably, and in a financially sensible way.\n\nThroughout my career I've led application modernization in hybrid cloud environments, facing the complexity of integrating cutting-edge services with critical infrastructure.", talkTitle: "Cost Optimization Strategies for GenAI with Python and AWS", talkDescription: "Is it possible to scale Generative AI without project success compromising the organization's financial stability? This session will address how to transform the deployment of large language models (LLMs) through architecture design oriented toward operational efficiency. Instead of accepting high token consumption as an inevitable cost, we'll explore a sustainable cost model that lets you build intelligent, scalable applications without sacrificing profitability. Through a technical path centered on Python and AWS services, we'll analyze key strategies such as model arbitrage, where application logic dynamically decides which intelligence engine to use based on task complexity. We'll dive into how smart use of low-impact vector databases and semantic caching reuse prior knowledge, achieving significant infrastructure savings. Attendees will discover how implementing async flows and batch processing optimizes available resources. This talk is a practical guide for architects and developers looking to lead the transition from costly prototypes to production systems that are technically and economically viable.", @@ -104,7 +117,7 @@ export const speakerContentByLocale: Record = "jonatan-esteban-gonzalez-balaguera": { title: "Professional @ Procuraduría General de la Nación", description: - "I'm a physicist with a master's in theoretical physics and a second master's in Visual Analytics and Big Data, currently pursuing a specialization in statistics at Universidad Nacional de Colombia. I work as an analyst at the Procuraduría General de la Nación, applying machine learning, NLP, and geospatial analysis to preventive oversight and monitoring problems. My path runs from simulating superconductor systems to developing deforestation detection tools and electoral analysis, always with Python as the common thread.", + "I'm a physicist with a master's in theoretical physics and a second master's in Visual Analytics and Big Data, currently pursuing a specialization in statistics at Universidad Nacional de Colombia. I work as an analyst at the Procuraduría General de la Nación, applying machine learning, NLP, and geospatial analysis to preventive oversight and monitoring problems in the different axes from the Directorate of Strategic Support, Data Analysis and Information. My path runs from simulating superconductor systems to developing deforestation detection tools and electoral analysis, always with Python as the common thread. I'm passionate about bringing data science to spaces where it rarely arrives: Latin American public institutions.", talkTitle: "NLP Without Labels: How to Cluster N Legal Processes of the Colombian State and Turn Chaos into a Production Classifier", talkDescription: @@ -113,20 +126,16 @@ export const speakerContentByLocale: Record = "elbano-mibelli": { title: "Senior DevOps Solutions Architect @ Provectus", description: - "Elbano is a Senior DevOps Solutions Architect at Provectus, an AWS Premier Consulting Partner and official Anthropic partner, with over 9 years of experience in cloud-native, AI, DevOps, and distributed systems design. He holds two AWS certifications, three AWS Black Belt specializations, and an ITIL Foundation credential. Today, he works at the intersection of cloud infrastructure, agentic AI, and enterprise delivery, designing solutions that range from multi-account AWS platforms for AI agent orchestration to intelligent contact centers with Amazon Connect and Bedrock.", + 'Elbano is a Senior DevOps Solutions Architect at Provectus, an AWS Premier Consulting Partner and official Anthropic partner, with over 9 years of experience in cloud-native, AI, DevOps, and distributed systems design. He holds two AWS certifications, three AWS Black Belt specializations, and an ITIL Foundation credential.\n\nHis career started in telecommunications engineering in Venezuela, moved through fintech integrations, full-stack development, and IT management in Colombia, and eventually converged on cloud architecture and AI. Before joining Provectus, he led a team of 17 solutions architects across 5 regional teams in LATAM and spearheaded a Generative AI practice that achieved AWS Generative AI Competency. Today, he works at the intersection of cloud infrastructure, agentic AI, and enterprise delivery, designing solutions that range from multi-account AWS platforms for AI agent orchestration to intelligent contact centers with Amazon Connect and Bedrock.\n\nThe frustration of watching AI coding agents ignore architectural decisions and produce code that "sort of works" in real enterprise engagements is what drives this talk. As a daily Claude Code user, Elbano has experienced firsthand both the power and the limits of AI-assisted development, and believes the most valuable skill for the next generation of developers will not be writing code, but communicating intent with enough precision that an agent gets it right the first time.', talkTitle: "From Vibe Coding to Spec-Driven Development with AWOS in Claude Code", talkDescription: - "Vibe coding works great until it doesn't. When AI agents start ignoring your architecture, making wrong assumptions about your stack, and producing code that compiles but misses the point, the problem isn't the model. It's the instructions. This talk introduces AWOS (Agentic Workflow Operating System), an open-source framework built by Provectus for Claude Code that brings Spec-Driven Development to AI-assisted coding. AWOS structures the development process into 8 phases, each with its own specialized agent and audience. What you'll see: a live demo building a conference talk management app. What you'll take home: a tool you can install with npx @provectusinc/awos and start using immediately.", + "Vibe coding works great until it doesn't. When AI agents start ignoring your architecture, making wrong assumptions about your stack, and producing code that compiles but misses the point, the problem isn't the model. It's the instructions.\n\nThis talk introduces AWOS (Agentic Workflow Operating System), an open-source framework built by Provectus for Claude Code that brings Spec-Driven Development to AI-assisted coding. AWOS structures the development process into 8 phases, each with its own specialized agent and audience: Product Definition, Roadmap, Architecture, Functional Spec, Technical Spec, Tasks, Implementation, and Verification. The result is a traceable path from a high-level idea to every line of code, with human checkpoints at every stage.\n\n- What you'll see: a live demo building a conference talk management app (yes, meta), comparing vibe coding versus the AWOS workflow side by side.\n- What you'll learn: why specifications are just really good context for LLMs, how idempotent document structures solve the context loss problem, and where Spec-Driven Development fits alongside tools like GitHub Spec Kit and AWS Kiro.\n- What you'll take home: a tool you can install with npx @provectusinc/awos and start using immediately.", }, "cristhian-jesid-garcia-solarte": { - title: "Senior Data Engineer @ Provectus", - description: - "Machine Learning Engineer and Data Engineer with a background in Astronomy and Astrophysics and over 5 years of experience designing, building, and deploying scalable data pipelines, ML systems, and Big Data solutions on AWS and Databricks. I specialize in building end-to-end machine learning pipelines, RAG systems, and agentic AI workflows, as well as optimizing big data processes using Apache Spark, SQL/NoSQL data modeling, and cloud-native architectures.", - talkTitle: - "Structured Learning: AI-Powered Platform That Transforms Academic Papers into Interactive Learning Experiences", - talkDescription: - "Structured Learning is a platform that turns a research paper into a complete learning module—chapter-by-chapter explanations, incremental executable code, RAG chat, FSRS spaced-repetition flashcards, equation derivations, and a knowledge graph in Neo4j. This talk covers the product, the engineering of an agentic workflow pipeline that takes a GitHub issue to a merged PR with isolated worktrees, auto-patching after failed review, and GitHub as the agents' API, and how it runs on AWS with LocalStack for dev-prod parity. Agents don't replace engineers—they replace the glue between engineers and the boring 80% of the SDLC—and that's where compound returns live.", + title: "Senior data engineer @ Provectus", + description: cristhianJesidBioEn, + ...cristhianJesidTalkEn, }, "nieng-yordan-lee-gaitan": { title: @@ -141,16 +150,16 @@ export const speakerContentByLocale: Record = "pablo-restrepo-henao": { title: "Machine Learning Lead @ Loka", description: - "Pablo Restrepo is a Colombian software and ML engineer with over 11 years of experience building AI and software systems across Colombia, Germany, the UK, and the US. He is currently Machine Learning Lead at Loka, where he designs and deploys end-to-end GenAI solutions for global clients. He holds a Master's in Informatics from the Technical University of Munich and a BSc in Computer Science from Universidad EAFIT. He is also a published researcher in NLP and has spoken at conferences across Germany, Sweden, Norway, and the US.", + "Pablo Restrepo is a Colombian software and ML engineer with over 11 years of experience building AI and software systems across Colombia, Germany, the UK, and the US. He is currently Machine Learning Lead at Loka, where he designs and deploys end-to-end GenAI solutions for global clients. Before Loka, he spent nearly four years at Netlight in Munich, leading GenAI initiatives in insurance, financial media, and semiconductor manufacturing, and almost six years at Sura in Medellín, ending as a Technical Lead.\n\nHe holds a Master's in Informatics, specialized in Machine Learning, from the Technical University of Munich, consistently ranked among the top 15 worldwide in Computer Science, and a BSc in Computer Science from Universidad EAFIT. He is also a published researcher in NLP and has spoken at conferences and meetups across Germany, Sweden, Norway, and the US.\n\nHis current obsession: how developers can stay excellent engineers and multiply their impact in an industry being reshaped by LLMs.", talkTitle: "Clean Code in the Era of LLMs: Do Good Practices Still Matter?", talkDescription: - "Instead, research from METR, CodeRabbit, and GitClear is converging on an uncomfortable truth: code duplication has quadrupled, copy-pasted code now exceeds moved code, bugs have risen 70%, and security issues have nearly tripled. AI didn't break our codebases. It amplified what was already broken. So what do we actually do about it? This talk makes the case that clean code, SOLID, DDD, TDD, and design patterns matter more than ever when LLMs write half the code. Your codebase is now a prompt: clean code leads to better AI suggestions, which make it easier to stay clean. We'll walk through which practices now matter more, which ones have quietly turned against you, and how to collaborate with an LLM without becoming a rubber stamp for its output. You'll leave with a concrete framework, Adversarial Collaboration: generate, critique, refactor, verify. Not vibe coding. Real engineering, just faster.", + "Instead, research from METR, CodeRabbit, and GitClear is converging on an uncomfortable truth: code duplication has quadrupled, copy-pasted code now exceeds moved code, bugs have risen 70%, and security issues have nearly tripled. AI didn't break our codebases. It amplified what was already broken.\n\nSo what do we actually do about it? Do decades of hard-won engineering wisdom still apply when a model writes half the code, or do we need a new playbook entirely? Are clean code, SOLID, DDD, TDD, and the design patterns we've spent decades arguing about dead weight in the age of Claude Code and Copilot, or do they matter more than ever?\n\nThis talk makes the case for the second answer. Your codebase is now a prompt: clean code leads to better AI suggestions, which make it easier to stay clean. Messy code leads to worse suggestions, which make it harder to recover. We'll walk through which practices now matter more (SOLID, DDD, TDD), which ones have quietly turned against you (hello, aggressive DRY and Abstract Factories), and how to collaborate with an LLM without becoming a rubber stamp for its output.\n\nYou'll leave with a concrete framework, Adversarial Collaboration, that you can apply the next morning: generate, critique, refactor, verify. Not vibe coding. Not perfectionist prompting. Real engineering, just faster.", }, "nicolas-danies": { title: "Data Science Manager @ Visa", description: - "I'm Data Science Manager at Visa, where I lead artificial intelligence projects for the Andean region focused on turning machine learning and GenAI models into real products with business impact. My work centers on closing the gap between research and production: from designing models to deploying them as scalable systems used by banks and companies across multiple countries. My career has been a fast track through the tech ecosystem in Latin America, passing through companies like Mercado Libre and Rappi, where I worked on high-impact problems like fraud, real-time pricing, and large-scale distributed systems. In parallel, I'm co-founder and COO of an AI startup focused on commercial training through speech-to-speech systems, where I'm building modern architectures integrating voice models, LLMs, and real-time systems. Beyond the professional side, I've always been motivated to build community and accelerate technological development in Colombia. I've been an assistant professor at Universidad de los Andes, taught hundreds of people about machine learning and Python systems, and participated in creating a new Data Science program in the country.", + "I'm Data Science Manager at Visa, where I lead artificial intelligence projects for the Andean region focused on turning machine learning and GenAI models into real products with business impact. My work centers on closing the gap between research and production: from designing models to deploying them as scalable systems used by banks and companies across multiple countries.\n\nMy career has been a fast track through the tech ecosystem in Latin America, passing through companies like Mercado Libre and Rappi, where I worked on high-impact problems like fraud, real-time pricing, and large-scale distributed systems. In these roles I've designed high-performance APIs, production models, and platforms that operate on hundreds of millions of transactions.\n\nIn parallel, I'm co-founder and COO of an AI startup focused on commercial training through speech-to-speech systems, where I'm building modern architectures integrating voice models, LLMs, and real-time systems.\n\nBeyond the professional side, I've always been motivated to build community and accelerate technological development in Colombia. I've been an assistant professor at Universidad de los Andes, taught hundreds of people about machine learning and Python systems, and participated in creating a new Data Science program in the country.\n\nMy interest in speaking at PyCon Colombia comes from that same motivation: sharing real learnings on how to build AI systems in production, and contributing so more developers in the region can build world-class technology from Latin America.", talkTitle: "Real-Time Voice Systems: Design and Architecture in 5 Levels", talkDescription: @@ -177,26 +186,23 @@ export const speakerContentByLocale: Record = "ana-maria-lopez-moreno": { title: "Partner Solution Architect Data and AI @ Microsoft", description: - "I'm Ana María López Moreno, passionate about data, artificial intelligence, education, and tech communities. I currently work as Senior Partner Solution Architect in Data & AI at Microsoft, where I support partners and organizations in adopting data, analytics, and artificial intelligence solutions. I'm also a university instructor and coordinator of the Software and Data Engineering program at Institución Universitaria Digital de Antioquia, a role that lets me connect industry with academia and guide new generations of technology professionals. My experience has focused on data platforms, generative artificial intelligence, MLOps, cloud architecture, and building applied solutions with real impact. I've been a speaker at PyCon Colombia 2023 and 2024, and in 2025 I had the opportunity to speak at KubeCon, sharing experiences around technology, data, artificial intelligence, and technical communities.", + "I'm Ana María López Moreno, passionate about data, artificial intelligence, education, and tech communities. I currently work as Senior Partner Solution Architect in Data & AI at Microsoft, where I support partners and organizations in adopting data, analytics, and artificial intelligence solutions.\n\nI'm also a university instructor and coordinator of the Software and Data Engineering program at Institución Universitaria Digital de Antioquia, a role that lets me connect industry with academia and guide new generations of technology professionals.\n\nMy experience has focused on data platforms, generative artificial intelligence, MLOps, cloud architecture, and building applied solutions with real impact. I've been a speaker at PyCon Colombia 2023 and 2024, and in 2025 I had the opportunity to speak at KubeCon, sharing experiences around technology, data, artificial intelligence, and technical communities.\n\nI'm interested in building knowledge in a close, practical, and useful way. I enjoy sharing learnings, creating spaces for conversation, and motivating more people —especially students and growing professionals— to explore the potential of Python, data, and artificial intelligence to solve real problems.\n\nFor me, being part of communities like PyCon Colombia means learning, contributing, and continuing to build technology from Latin America for the world.", talkTitle: "STUART: An Autonomous Hacker Agent Built in Python", talkDescription: - "What if you give a Python agent an IP address and ask it to find the server's vulnerabilities on its own? That's exactly what I did. In this talk I present STUART, an autonomous pentesting agent I built with AG2 (AutoGen) and GPT-4. The agent can analyze target systems without human intervention, following the first stages of the Cyber Kill Chain: reconnaissance and vulnerability identification. The architecture is 100% Python: an AssistantAgent backed by GPT-4 that reasons and plans, and a UserProxyAgent with a Code Executor that interacts directly with the target system. All orchestrated by AG2, the open-source framework for building multi-agent systems. The talk includes a live demo where STUART will analyze a vulnerable system deployed in Docker. You'll see step by step how the agent scans ports, identifies services, detects vulnerabilities, and reports findings—all autonomously, deciding for itself what to do at each step. You'll take away practical knowledge on how to build agents that act in the real world with AG2, and a concrete perspective on what offensive AI can do today. If a Python agent can find your vulnerabilities, how should defense teams prepare? All demonstrations are performed in controlled, ethical environments.", + "What if you give a Python agent an IP address and ask it to find the server's vulnerabilities on its own? That's exactly what I did.\n\nIn this talk I present STUART, an autonomous pentesting agent I built with AG2 (AutoGen) and GPT-4. The agent can analyze target systems without human intervention, following the first stages of the Cyber Kill Chain: reconnaissance and vulnerability identification.\n\nThe architecture is 100% Python: an AssistantAgent backed by GPT-4 that reasons and plans, and a UserProxyAgent with a Code Executor that interacts directly with the target system. All orchestrated by AG2, the open-source framework for building multi-agent systems.\n\nThe talk includes a live demo where STUART will analyze a vulnerable system deployed in Docker. You'll see step by step how the agent scans ports, identifies services, detects vulnerabilities, and reports findings—all autonomously, deciding for itself what to do at each step.\n\nAgenda:\nIntroduction: can an LLM find vulnerabilities on its own? (3 min)\nCyber Kill Chain: the framework that guides the agent (5 min)\nSTUART architecture: AG2, agents, and real code (7 min)\nLive demo: STUART analyzing a vulnerable system (8 min)\nResults, limitations, and next steps (5 min)\nClosing and Q&A (2 min)\n\nYou'll take away practical knowledge on how to build agents that act in the real world with AG2, and a concrete perspective on what offensive AI can do today. If a Python agent can find your vulnerabilities, how should defense teams prepare?\n\nAll demonstrations are performed in controlled, ethical environments.", }, "gonzalo-andres-pena-castellanos": { title: "Senior Software Engineer / Open Source AI @ Backblaze", - description: - "I'm a Colombian software engineer with 11+ years of professional experience, and entrepreneur working in Python, TypeScript and open source development. I currently work as an AI Engineer at Backblaze. Previously, I worked at Datalayer building tools at the intersection of Jupyter, AI, and collaborative computing, at Quansight contributing to the scientific Python ecosystem, and at Anaconda as Technical Lead for Anaconda Navigator. My career spans from water resources engineering (MSc from IHE Delft and Erasmus Mundus) to becoming a core contributor to major open source projects including Spyder IDE, JupyterLab, and napari, conda-forge among others. I've created over 400+ conda-forge recipes and led internationalization efforts for JupyterLab and automating efforts in the Scientific Python Translations project. I also co-founded Trepa, a climbing gym in Bogotá, Colombia, and co-founded PyCon Colombia. I'm deeply committed to the Latin American Python and open source communities, and serve on the Python Software Foundation Grants Working Group.", - talkTitle: "Provenance by Default: AI Media Pipelines in Python", - talkDescription: - "A model can now generate a video that looks indistinguishable from one your camera recorded. The same is true for an image, a voice, or a song. As Python developers, we are building those pipelines — and we are also the ones who will be asked, very soon, to prove what came out of them. This talk is about building generative media pipelines in Python in a way that answers that question by default. We'll walk through Genblaze, an open-source SDK (github.com/backblaze-labs/genblaze, MIT licensed) that I work on at Backblaze, and use it as a vehicle to talk about the design problems any team faces when wiring AI generation into a real product. We will cover, with live code: the Pipeline pattern with a fluent Pipeline → Step → Run → Manifest API built on Pydantic v2; one API across eleven providers; provenance that survives the file with SHA-256-verified manifests embedded into PNG, JPEG, MP4, MP3, and WAV; privacy and policy controls; storage and replay; and agent loops with lineage. By the end, attendees will have a clear reference for how to architect generative-AI features in Python so that what did this system actually produce, and can I prove it? is a one-line answer instead of a ticket.", + description: gonzaloBioEn, + ...gonzaloTalkEn, }, "andres-felipe-estrada-rodriguez": { title: "Sr Data Scientist @ Globant", description: - "Economist and Machine Learning engineer with 8+ years of experience building ML/AI systems in production. Currently at Globant, I work on designing scalable and secure AI applications and use cases in critical processes such as industrial processes and security.", + "Economist, Machine learning engineer with +8 years of experience building ML/AI systems in production. Currently at Globant, I work on designing scalable and secure AI applications and use cases in critical processes such as industrial processes and security.", talkTitle: "Vulnerable AI Systems: Real Data, Responsible Design", talkDescription: - "29% of attacks bypass the security filters of the most widely used LLMs in production. It's not a bug. It's the nature of the system. LLMs are stochastic processes trained on human language—the most flexible, ambiguous, and manipulable medium that exists. This talk presents the results of llm-break-bench: 3,360 adversarial tests on GPT-4o, Claude, Gemini, Grok, and DeepSeek using MLCommons AI Safety v0.5 and OWASP LLM Top 10 as standards. The smartest model in the benchmark is 5 times more vulnerable than the cheapest. The data connects to real use cases where LLMs are in production: RAGs, chatbots, agents, code assistants. The closing is actionable: 5 design pillars for AI systems that don't depend on the model for their own security, with real code from NVIDIA NeMo Guardrails and Meta LlamaFirewall.", + "29% of attacks bypass the security filters of the most widely used LLMs in production. It's not a bug. It's the nature of the system.\n\nLLMs are stochastic processes trained on human language—the most flexible, ambiguous, and manipulable medium that exists. That makes them incredibly powerful. And that's exactly why they're vulnerable. There's no patch for that. Only design.\n\nThis talk presents the results of llm-break-bench: 3,360 adversarial tests on GPT-4o, Claude, Gemini, Grok, and DeepSeek using MLCommons AI Safety v0.5 and OWASP LLM Top 10 as standards. The numbers break intuitions. The smartest model in the benchmark is 5 times more vulnerable than the cheapest and 11 times more expensive. The most criticized by the press ends up second in security, and the reason behind that explains everything that's wrong with how the industry deploys AI today.\n\nThe data is the starting point. The talk connects them to real use cases where LLMs are in production: RAGs, chatbots, agents, code assistants. It shows where design fails, what consequences it has (Air Canada paid for it), and how to build differently.\n\nThe closing is actionable: 5 design pillars for AI systems that don't depend on the model for their own security, with real code from NVIDIA NeMo Guardrails and Meta LlamaFirewall.\n\nIf you have an LLM in production or are about to, this talk changes how you design it.", }, "sergio-hernan-valenzuela-camara": { title: "CTO TecnóPolis-Ai, University Instructor @ TecnóPolis-Ai", @@ -210,7 +216,7 @@ export const speakerContentByLocale: Record = "kevin-hernandez": { title: "Senior Software Engineer @ trellis.law", description: - "I'm a software engineer who loves learning new stuff and working on exciting projects. I enjoy building tools that push the boundaries of what Python can do, from backend systems to interactive experiences in the browser.", + "I'm a software engineer who loves learning new stuff and working on exciting projects. I enjoy working on", talkTitle: "Python in the Browser: Powered by WebAssembly", talkDescription: "What if the browser could run Python as a first-class language? In this talk, I'll show how PyScript makes it possible to execute real Python directly in the browser, powered by WebAssembly. Through a series of exciting, live examples, you'll see Python manipulating the DOM, calling browser APIs, and building interactive experiences, all without a traditional JavaScript codebase. I will also show a couple of examples of how you can embed both JavaScript and Python on PyScript to make even more exciting tools. I will also discuss what WebAssembly is, why it exists, and how it enables languages like Python to run safely and efficiently on the web platform. Finally, I'll discuss when tools like PyScript make sense, and compare it with similar tools. Whether you're a Python developer curious about the frontend, an engineer interested in WebAssembly, or simply someone who enjoys seeing the boundaries of Python pushed, this talk will change how you think about what can run in a browser.", @@ -250,7 +256,7 @@ export const speakerContentByLocale: Record = "gerardo-vilcamiza-espinoza": { title: "Senior AI Engineer @ NTT DATA", description: - "Hi! My name is Gerardo and I'm a Mechatronics Engineer with a Master's in Embedded Artificial Intelligence. I currently work as Senior AI Engineer at the technology consultancy NTT DATA, leading generative AI projects where we apply text, audio, and image generation models in solutions for the banking and insurance sectors across Latin America. I also work as a research professor at Universidad de Buenos Aires, where I teach Deep Learning and Computer Vision courses. Additionally, I lead research projects at the Embedded Systems Laboratory focused on robotics and satellite systems.", + "Hi! My name is Gerardo and I'm a Mechatronics Engineer with a Master's in Embedded Artificial Intelligence. I currently work as Senior AI Engineer at the technology consultancy NTT DATA, leading generative AI projects where we apply text, audio, and image generation models in solutions for the banking and insurance sectors across Latin America.\n\nI also work as a research professor at Universidad de Buenos Aires, where I teach Deep Learning and Computer Vision courses. Additionally, I lead research projects at the Embedded Systems Laboratory focused on robotics and satellite systems.\n\nI have a 5-year track record as a speaker on engineering and artificial intelligence at international conferences, which has allowed me to share and learn with different communities at events held in more than 15 countries.", talkTitle: "Vision-Language-Action Models: From Chatbots to Interaction with the Physical World", talkDescription: @@ -263,12 +269,12 @@ export const speakerContentByLocale: Record = talkTitle: "Elevate your code quality in Python with modern, ultra-fast tooling", talkDescription: - "AI coding assistants have changed how we build software. We can now generate features, refactors, and entire services in minutes — but speed without strong engineering practices quickly becomes technical debt. In this talk, I'll show how modern Python teams can build fast and reliable development workflows using tools like Astral's Ruff, Ty, and uv. We'll explore how traditional slow and noisy quality pipelines are being replaced by a new generation of tooling that provides near-instant feedback while improving code quality and developer experience. Topics include why AI-generated code makes automated quality gates more important than ever, using Ruff for formatting and linting, using Ty for modern static typing, structuring formatter → linter → type-checker workflows, pre-commit hooks and CI pipelines developers actually enjoy using, and reducing friction between local development and CI/CD.", + "AI coding assistants have changed how we build software. We can now generate features, refactors, and entire services in minutes — but speed without strong engineering practices quickly becomes technical debt.\n\nIn this talk, I'll show how modern Python teams can build fast and reliable development workflows using tools like Astral's Ruff, Ty, and uv.\n\nWe'll explore how traditional slow and noisy quality pipelines are being replaced by a new generation of tooling that provides near-instant feedback while improving code quality and developer experience.\n\nTopics include:\n\nWhy AI-generated code makes automated quality gates more important than ever\nUsing Ruff for formatting, linting, and fast feedback loops\nUsing Ty for modern static typing and safer large-scale development\nStructuring formatter → linter → type-checker workflows\nPre-commit hooks and CI pipelines developers actually enjoy using\nReducing friction between local development and CI/CD\n\nThe session is practical, opinionated, and based on real-world engineering experience building production systems with AI-assisted workflows.\n\nWhether you are a backend engineer, tech lead, or AI-native developer, this talk will give you a modern blueprint for building Python systems that move fast without sacrificing quality.", }, "mateo-rios-querubin": { title: "Senior ML Engineer @ Provectus / Universidad EAFIT", description: - "Mathematical Engineer with an MSc in Applied Mathematics (Universidad EAFIT) and 7+ years of experience as a Data Scientist and Machine Learning Engineer. Currently at Provectus, building LLM evaluation and optimization pipelines for document processing automation. Also 3+ years lecturing Advanced Analytics and foundational Mathematics at Universidad EAFIT. Specialized in designing and deploying AI solutions including LLM evaluation systems, computer vision models, recommendation systems, and end-to-end ML pipelines. AWS Certified Generative AI Developer and AWS Certified Machine Learning Specialty.", + "Mathematical Engineer with an MSc in Applied Mathematics (Universidad EAFIT) and 7+ years of experience as a Data Scientist and Machine Learning Engineer. Currently at Provectus, building LLM evaluation and optimization pipelines for document processing automation. Also 3+ years lecturing Advanced Analytics and foundational Mathematics at Universidad EAFIT. Specialized in designing and deploying AI solutions including LLM evaluation systems, computer vision models, recommendation systems, and end-to-end ML pipelines. AWS Certified Generative AI Developer and AWS Certified Machine Learning Specialty. Proficient in Python, AWS, and GCP, with experience in diverse domains including finance, agriculture, healthcare, and entertainment. Previous speaker at Tech Caribe Fest, Python Medellín, and Medellín AI. Passionate about continuous learning, knowledge sharing, arts and Kung Fu.", ...mateoSebastianTalkEn, }, "carlos-andres-osorio-alcalde": { @@ -282,24 +288,22 @@ export const speakerContentByLocale: Record = "sankalp-gilda": { title: "Staff MLE @ DeepThought Solutions", description: - "Sankalp Gilda, PhD (Astrophysics, University of Florida, 2021). Staff Machine Learning Engineer at DeepThought Solutions, where he leads work on production AI evaluation tooling, host-side instrumentation for agentic execution sandboxes, and LLM-based knowledge-graph extraction. Author of tsbootstrap, an open-source Python library for time-series bootstrapping. Previously built ML systems at Marathon Petroleum, Fermata Energy, and the Canada-France-Hawaii Telescope.", - talkTitle: "Your AI Eval Is Lying To You", - talkDescription: - 'When you set temperature=0 and run your AI eval, you expect the same input to give the same output. It doesn\'t. Recent measurements on Qwen3-235B at temperature=0 produced 80 unique completions on a single prompt. So when your eval reports "92% pass rate," what does that actually mean? This talk is about the gap between how the AI eval ecosystem talks about scores and what those scores can actually support. We walk through five specific tools that fix the gap: Pass@k versus pass^k, Wilson confidence intervals, Bayesian pass@k with Beta-Binomial conjugacy, sequential drift detection with EWMA, CUSUM, and OLS, and family-wise error control via Benjamini-Hochberg procedures. Each method gets a short demo in pure Python with no framework dependency. The audience leaves with reference implementations they can paste into an existing pytest setup tonight.', + "Sankalp Gilda, PhD (Astrophysics, University of Florida, 2021). Staff Machine Learning Engineer at DeepThought Solutions, where he leads work on production AI evaluation tooling, host-side instrumentation for agentic execution sandboxes, and LLM-based knowledge-graph extraction. Author of tsbootstrap, an open-source Python library for time-series bootstrapping. Previously built ML systems at Marathon Petroleum, Fermata Energy, and the Canada-France-Hawaii Telescope. Recent academic work: ICML 2026 position paper on epistemic accountability for AI-assisted engineering (under review), ICLR 2026 Advances in Financial AI, and LLM Logical Reasoning workshops (accepted).", + ...sankalpTalkEn, }, "marcela-hoyos-cano": { title: "Team Lead Data Analytics @ Snappr", description: - "I'm a data scientist and engineer based in Medellín. I started my career in Mechatronic Engineering and somewhere along the way fell in love with data, which led me to a Master's in Data Science & Analytics. Since then I've worked remotely across LATAM and the US at companies like Holafly, Lemontech, and the ICIPC. These days I lead Data Analytics at Snappr, a global photography marketplace. I've built data pipelines and custom connectors, designed our dbt architecture, set up dashboards, managed Snowflake permissions and roles, built tools to give non-technical teammates direct access to data, and worked closely with ops, finance, and engineering to turn messy business processes into something measurable.", + "I'm a data scientist and engineer based in Medellín. I started my career in Mechatronic Engineering and somewhere along the way fell in love with data, which led me to a Master's in Data Science & Analytics. Since then I've worked remotely across LATAM and the US at companies like Holafly, Lemontech, and the ICIPC. I have built data pipelines, machine learning models, dashboards, ETL processes, backend development, and analytics tools to help teams make better data-driven decisions.\n\nThese days I lead Data Analytics at Snappr, a global photography marketplace. Like in any startup you end up doing a bit of everything: I've built data pipelines and custom connectors, designed our dbt architecture, set up dashboards, managed Snowflake permissions and roles, built tools to give non-technical teammates direct access to data, and worked closely with ops, finance, and engineering to turn messy business processes into something measurable.", talkTitle: "How We Stopped Answering Data Questions and Built the Stack That Answers Them", talkDescription: - "If you've worked at a growing startup, you probably know the feeling: multiple teams pulling different numbers for the same metric, ops constantly asking engineering for basic answers, and creating or organizing metrics that's a real pain. Every new question feels like starting from scratch. This talk is the story of how a small team fixed that. First, by building a proper dbt architecture from scratch with Sources, Staging, Intermediate, and Marts so that things like bookings, revenue, and providers were defined in one place and everyone was looking at the same number. Once the data was reliable, we connected an LLM so non-technical teammates could ask questions in plain English and get real answers directly from Snowflake. No SQL, no ticket, no waiting on engineering. You'll walk away with a clear mental model for building a dbt layer people actually trust, a practical architecture for connecting an LLM to your warehouse, and the one thing that made it all click: your dbt docs are your LLM prompt.", + "If you've worked at a growing startup, you probably know the feeling: multiple teams pulling different numbers for the same metric, ops constantly asking engineering for basic answers, and creating or organizing metrics that's a real pain. Every new question feels like starting from scratch.\n\nThis talk is the story of how a small team fixed that. First, by building a proper dbt architecture from scratch with Sources, Staging, Intermediate, and Marts so that things like bookings, revenue, and providers were defined in one place and everyone was looking at the same number. Once the data was reliable, we connected an LLM so non-technical teammates could ask questions in plain English and get real answers directly from Snowflake. No SQL, no ticket, no waiting on engineering.\n\nIt's an honest look at what we built, what broke, and what we got wrong the first time. You'll walk away with a clear mental model for building a dbt layer people actually trust, a practical architecture for connecting an LLM to your warehouse, and the one thing that made it all click: your dbt docs are your LLM prompt.", }, "sebastian-gomez-ahumada": { title: "Middle ML Engineer @ Provectus", description: - "Biomedical engineer from Universidad de los Andes, with a minor in neuroscience and an MSc in biomedical engineering focused on machine learning. Currently working as a machine learning engineer building production AI systems, extraction pipelines, and conversational agents. Python was my first programming language and the one where I learned how to think in code, not just write it. For the past two and a half years I was a teaching assistant for ML fundamentals at Los Andes, a role that reinforced a conviction I'll happily defend on stage: complexity is rarely the answer and almost always the excuse.", + "Biomedical engineer from Universidad de los Andes, with a minor in neuroscience and an MSc in biomedical engineering focused on machine learning. Currently working as a machine learning engineer building production AI systems, extraction pipelines, and conversational agents. Python was my first programming language and the one where I learned how to think in code, not just write it. For the past two and a half years I was a teaching assistant for ML fundamentals at Los Andes, a role that reinforced a conviction I'll happily defend on stage: complexity is rarely the answer and almost always the excuse. When I'm not at a keyboard, I'm on a football field.", ...mateoSebastianTalkEn, }, "juliana-suarez-avila": { @@ -320,13 +324,14 @@ export const speakerContentByLocale: Record = "cristhian-david-recalde-arevalo": { title: "Mobile Developer @ HomeTeam Network", description: - "Soy un desarrollador Full Stack apasionado por crear soluciones digitales elegantes y funcionales. Mi enfoque está en escribir código limpio, mantenible y escalable que no solo funcione, sino que también proporcione una excelente experiencia de usuario. Trabajo principalmente con tecnologías modernas que me permitieron construir aplicaciones robustas y de alto rendimiento para StartUps de Estados Unidos y Ecuador. Además del desarrollo, disfruto aprendiendo continuamente, compartiendo conocimiento en comunidades tecnológicas y contribuyendo a proyectos open source cuando es posible.", + "Soy un desarrollador Full Stack apasionado por crear soluciones digitales elegantes y funcionales. Mi enfoque está en escribir código limpio, mantenible y escalable que no solo funcione, sino que también proporcione una excelente experiencia de usuario.\n\nTrabajo principalmente con tecnologías modernas que me permitieron construir aplicaciones robustas y de alto rendimiento para StartUps de Estados Unidos y Ecuador.\n\nAdemás del desarrollo, disfruto aprendiendo continuamente, compartiendo conocimiento en comunidades tecnológicas y contribuyendo a proyectos open source cuando es posible.", talkTitle: "Empleabilidad en la era de la IA", talkDescription: - "La inteligencia artificial está cambiando el mercado laboral más rápido que nunca. Muchos desarrolladores se preguntan: ¿la IA me reemplazará o me potenciará? En esta charla compartiré mi experiencia real pasando de ser desarrollador en Latinoamérica a trabajar para empresas de Estados Unidos, enfrentando entrevistas, optimizando mi perfil profesional y adaptándome a un entorno donde la IA ya es parte del día a día. Exploraremos cómo la IA no reemplaza al desarrollador, sino que redefine el valor que aportamos: desde escribir código hasta resolver problemas reales, comunicar ideas y construir soluciones completas. La charla incluirá el futuro de la programación, cómo cambiar tu mentalidad frente a la IA, qué habilidades realmente importan hoy, cómo destacar en procesos de selección internacionales, el rol de herramientas de IA en tu crecimiento profesional y errores comunes que frenan tu empleabilidad.", + "La inteligencia artificial está cambiando el mercado laboral más rápido que nunca. Muchos desarrolladores se preguntan: ¿la IA me reemplazará o me potenciará?\n\nEn esta charla compartiré mi experiencia real pasando de ser desarrollador en Latinoamérica a trabajar para empresas de Estados Unidos, enfrentando entrevistas, optimizando mi perfil profesional y adaptándome a un entorno donde la IA ya es parte del día a día.\n\nExploraremos cómo la IA no reemplaza al desarrollador, sino que redefine el valor que aportamos: desde escribir código hasta resolver problemas reales, comunicar ideas y construir soluciones completas.\n\nLa charla incluirá:\n• El futuro de la programación\n• Cómo cambiar tu mentalidad frente a la IA\n• Qué habilidades realmente importan hoy (más allá del código)\n• Cómo destacar en procesos de selección internacionales\n• El rol de herramientas de IA en tu crecimiento profesional\n• Errores comunes que frenan tu empleabilidad\n\nEsta sesión está dirigida a desarrolladores que quieren seguir siendo relevantes en un mundo donde la tecnología evoluciona constantemente, y buscan una guía práctica, honesta y basada en experiencia real.", }, "jeronimo-hoyos-botero": { - title: "Estudiante @ Universidad Nacional de Colombia Sede Medellín", + title: + "Desempleado :v @ Universidad Nacional de Colombia Sede Medellín", description: "Soy estudiante en la Universidad Nacional, con un gran interés en el machine learning. Me gusta crear animaciones en Manim porque son súper chéveres y me permiten enseñar cómo funcionan estos sistemas por dentro. Mi intención es tomar conceptos que suelen parecer raros o abstractos y mostrarlos de forma visual y animada para que resulten mucho más claros y accesibles.", talkTitle: "Construyendo un Transformer con Rust", @@ -349,29 +354,29 @@ export const speakerContentByLocale: Record = talkTitle: "Aprovecha tus habilidades en Python usando el intérprete de Python", talkDescription: - "En esta charla desafiaré la mentalidad de la audiencia sobre Python. Python no es un intérprete, y de hecho existen múltiples intérpretes de Python, cada uno con su propia arquitectura y propósito. Recorreré los internals centrales de Python y mostraré cómo los lenguajes de programación interactúan bajo la superficie. Exploraremos cómo escribir mejor Python entendiendo el recolector de basura, qué puedes construir usando el AST, cómo leer y aprovechar el desensamblador, y las implicaciones prácticas de la transición de Python de su antiguo parser LL(1) al parser PEG actual. También profundizaremos en características menos conocidas de los intérpretes de Python, qué es realmente un PEP y cómo moldea el lenguaje, y concluiremos con un análisis profundo de Python sin el GIL: qué cambia, qué se rompe y cómo el equipo core lo eliminó. A lo largo de la charla compartiré historias personales, incluyendo batallas causadas por ASTs idénticos y el momento en que creí haber descubierto una forma de acelerar el intérprete de Python.", + "En esta charla desafiaré la mentalidad de la audiencia sobre Python. Python no es un intérprete, y de hecho existen múltiples intérpretes de Python, cada uno con su propia arquitectura y propósito. Recorreré los internals centrales de Python y mostraré cómo los lenguajes de programación interactúan bajo la superficie.\n\nExploraremos cómo escribir mejor Python entendiendo el recolector de basura, qué puedes construir usando el AST, cómo leer y aprovechar el desensamblador, y las implicaciones prácticas de la transición de Python de su antiguo parser LL(1) al parser PEG actual.\n\nTambién profundizaremos en características menos conocidas de los intérpretes de Python, qué es realmente un PEP y cómo moldea el lenguaje, y concluiremos con un análisis profundo de Python sin el GIL: qué cambia, qué se rompe y cómo el equipo core lo eliminó.\n\nA lo largo de la charla compartiré historias personales, incluyendo batallas causadas por ASTs idénticos y el momento en que creí haber descubierto una forma de acelerar el intérprete de Python pero...", }, "christian-urcuqui": { title: "Senior Data Scientist @ TryHackMe", description: "Soy Christian Urcuqui, Cybersecurity Data Scientist con más de 11 años de experiencia en inteligencia artificial, ciberseguridad y sistemas de machine learning en producción. He trabajado en el diseño y evaluación de sistemas de IA para detección de amenazas, análisis de comportamiento y arquitecturas basadas en agentes. Actualmente colaboro con organizaciones internacionales en el desarrollo de contenido y soluciones en AI Security, incluyendo pentesting de agentes y modelado de amenazas. He sido speaker en eventos como DEF CON, Ekoparty, BSides y PyCon, y soy autor de libros sobre inteligencia artificial aplicada a ciberseguridad. Mi enfoque combina investigación, práctica ofensiva (adversarial ML) y diseño de sistemas seguros.", - talkTitle: "Hacking AI Agents with Python", + talkTitle: "Hackeando agentes de IA con Python", talkDescription: - "La inteligencia artificial está evolucionando de modelos estáticos a sistemas autónomos capaces de razonar, tomar decisiones y ejecutar acciones mediante herramientas y APIs. Estos sistemas, conocidos como agentes de IA, están siendo construidos principalmente en Python. Pero con esta evolución también aparece una nueva superficie de ataque. En esta charla exploraremos cómo los agentes de IA pueden ser explotados desde una perspectiva ofensiva, utilizando Python para demostrar ataques reales como: prompt injection en pipelines de agentes, exfiltración de información a través de RAG, manipulación de decisiones mediante inputs adversarios y abuso de herramientas y APIs conectadas. A partir de estos escenarios, mostraremos cómo diseñar pruebas de seguridad (pentesting) específicas para sistemas de IA, incluyendo enfoques de caja negra, gris y blanca. La charla no solo se enfocará en ataques, sino también en cómo mitigarlos, presentando un roadmap práctico para evaluar y fortalecer sistemas de IA en producción. Esta sesión está dirigida a desarrolladores Python, data scientists y engineers que están construyendo o integrando sistemas de IA y quieren entender cómo asegurar lo que están creando.", + "La inteligencia artificial está evolucionando de modelos estáticos a sistemas autónomos capaces de razonar, tomar decisiones y ejecutar acciones mediante herramientas y APIs. Estos sistemas, conocidos como agentes de IA, están siendo construidos principalmente en Python.\n\nPero con esta evolución también aparece una nueva superficie de ataque.\n\nEn esta charla exploraremos cómo los agentes de IA pueden ser explotados desde una perspectiva ofensiva, utilizando Python para demostrar ataques reales como:\n\n- Prompt injection en pipelines de agentes\n- Exfiltración de información a través de RAG\n- Manipulación de decisiones mediante inputs adversarios\n- Abuso de herramientas y APIs conectadas\n\nA partir de estos escenarios, mostraremos cómo diseñar pruebas de seguridad (pentesting) específicas para sistemas de IA, incluyendo enfoques de caja negra, gris y blanca.\n\nLa charla no solo se enfocará en ataques, sino también en cómo mitigarlos, presentando un roadmap práctico para evaluar y fortalecer sistemas de IA en producción.\n\nEsta sesión está dirigida a desarrolladores Python, data scientists y engineers que están construyendo o integrando sistemas de IA y quieren entender cómo asegurar lo que están creando.", }, "david-cardozo": { title: "Senior AI Engineer @ Dataiku", description: "Científico de Aprendizaje Automático y Arquitecto de Infraestructura Cloud. Con una trayectoria que abarca desde la seguridad de la información hasta DevOps, soy Google Developer Expert en ML y Docker Captain. Apasionado por multiplicar matrices a gran velocidad, actualmente me desempeño como Ingeniero de IA en Dataiku.", talkTitle: - "Opening the Black Box: Mechanistic Interpretability of LLMs", + "Abriendo la caja negra: interpretabilidad mecanicística de los LLMs", talkDescription: 'A medida que los agentes se implementan en contextos de alto riesgo (finanzas, manufactura, salud), comprender cómo toman decisiones, y no solo qué deciden, se vuelve fundamental para la seguridad y la confianza. Por ejemplo, cuando un agente recibe la instrucción "Buscar los resultados del tercer trimestre de nuestra empresa" y elige buscar en documentos internos en lugar de en la web pública, ¿qué proceso interno impulsa esa elección? La ingeniería de la respuesta, las pruebas de comportamiento y el análisis de la cadena de pensamiento describen correlaciones o narrativas; ninguna revela el mecanismo real. Comprender cómo un agente llega a una conclusión es un componente crítico para desarrollar IA de manera responsable, especialmente en lo que respecta a la confiabilidad y la transparencia en los sistemas de IA. Las interpretaciones de modelos son una forma en que los desarrolladores pueden generar confianza y coherencia en sus sistemas y respaldar la implementación segura de agentes de IA.', }, "juan-diego-david-melo-alarcon": { title: "Application Architect @ IBM", description: - "Soy un arquitecto de soluciones enfocado en la eficiencia sistémica y en la construcción de software diseñado para los retos del mundo real. Mi enfoque profesional se sitúa en la intersección de la IA generativa y las arquitecturas cloud native, donde el verdadero desafío no es solo lograr que un modelo responda, sino que lo haga de forma resiliente, escalable y financieramente lógica. A lo largo de mi trayectoria, he liderado la modernización de aplicaciones en entornos de nube híbrida, enfrentando la complejidad de integrar servicios de vanguardia con infraestructuras críticas.", + "Soy un arquitecto de soluciones enfocado en la eficiencia sistémica y en la construcción de software diseñado para los retos del mundo real. Mi enfoque profesional se sitúa en la intersección de la IA generativa y las arquitecturas cloud native, donde el verdadero desafío no es solo lograr que un modelo responda, sino que lo haga de forma resiliente, escalable y financieramente lógica.\n\nA lo largo de mi trayectoria, he liderado la modernización de aplicaciones en entornos de nube híbrida, enfrentando la complejidad de integrar servicios de vanguardia con infraestructuras críticas. Quiero compartir este conocimiento porque creo que estamos en un punto de inflexión: tras una etapa de experimentación necesaria, ahora el ecosistema demanda fortalecer la visión arquitectónica sobre la infraestructura subyacente. Mi meta es aportar una perspectiva basada en la experiencia técnica directa que ayude a otros ingenieros a dominar el despliegue de sistemas inteligentes, manteniendo siempre el control sobre la estabilidad y la sostenibilidad de los recursos.", talkTitle: "Estrategias de Optimización de Costos en GenAI con Python y AWS", talkDescription: @@ -380,7 +385,7 @@ export const speakerContentByLocale: Record = "jonatan-esteban-gonzalez-balaguera": { title: "Profesional @ Procuraduría General de la Nación", description: - "Soy físico con maestría en física teórica y una segunda maestría en Visual Analytics and Big Data, actualmente cursando una especialización en estadística en la Universidad Nacional de Colombia. Trabajo como analista en la Procuraduría General de la Nación, donde aplico aprendizaje automático, NLP y análisis geoespacial a problemas de vigilancia preventiva y monitoreo. Mi trayectoria va desde la simulación de sistemas superconductores hasta el desarrollo de herramientas de detección de deforestación y análisis electoral, siempre con Python como hilo conductor.", + "Soy físico con maestría en física teórica y una segunda maestría en Visual Analytics and Big Data, actualmente cursando una especialización en estadística en la Universidad Nacional de Colombia. Trabajo como analista en la Procuraduría General de la Nación, donde aplico aprendizaje automático, NLP y análisis geoespacial a problemas de vigilancia preventiva y monitoreo en los diferentes ejes desde la Dirección de Apoyo Estratégico, Análisis de Datos e Información. Mi trayectoria va desde la simulación de sistemas superconductores hasta el desarrollo de herramientas de detección de deforestación y análisis electoral, siempre con Python como hilo conductor. Me apasiona llevar la ciencia de datos a espacios donde pocas veces llega: las instituciones públicas latinoamericanas.", talkTitle: "NLP sin etiquetas: cómo clusterizar N procesos jurídicos del Estado colombiano y convertir el caos en un clasificador en producción", talkDescription: @@ -389,44 +394,40 @@ export const speakerContentByLocale: Record = "elbano-mibelli": { title: "Senior DevOps Solutions Architect @ Provectus", description: - "Elbano es Senior DevOps Solutions Architect en Provectus, un AWS Premier Consulting Partner y partner oficial de Anthropic, con más de 9 años de experiencia en diseño de sistemas cloud-native, IA, DevOps y distribuidos. Posee dos certificaciones AWS, tres especializaciones AWS Black Belt y credencial ITIL Foundation. Hoy trabaja en la intersección de infraestructura cloud, IA agéntica y entrega empresarial, diseñando soluciones que van desde plataformas AWS multi-cuenta para orquestación de agentes de IA hasta centros de contacto inteligentes con Amazon Connect y Bedrock.", + 'Elbano es Senior DevOps Solutions Architect en Provectus, un AWS Premier Consulting Partner y partner oficial de Anthropic, con más de 9 años de experiencia en diseño cloud-native, IA, DevOps y sistemas distribuidos. Tiene dos certificaciones AWS, tres especializaciones AWS Black Belt y credencial ITIL Foundation.\n\nSu carrera comenzó en ingeniería de telecomunicaciones en Venezuela, pasó por integraciones fintech, desarrollo full-stack y gestión de TI en Colombia, y eventualmente convergió en arquitectura cloud e IA. Antes de unirse a Provectus, lideró un equipo de 17 arquitectos de soluciones en 5 equipos regionales en LATAM e impulsó una práctica de IA Generativa que logró AWS Generative AI Competency. Hoy trabaja en la intersección de infraestructura cloud, IA agéntica y entrega empresarial, diseñando soluciones que van desde plataformas AWS multi-cuenta para orquestación de agentes de IA hasta contact centers inteligentes con Amazon Connect y Bedrock.\n\nLa frustración de ver agentes de coding con IA ignorar decisiones arquitectónicas y producir código que "más o menos funciona" en compromisos empresariales reales es lo que impulsa esta charla. Como usuario diario de Claude Code, Elbano ha experimentado de primera mano tanto el poder como los límites del desarrollo asistido por IA, y cree que la habilidad más valiosa para la próxima generación de desarrolladores no será escribir código, sino comunicar intención con suficiente precisión para que un agente lo haga bien a la primera.', talkTitle: - "From Vibe Coding to Spec-Driven Development with AWOS in Claude Code", + "De Vibe Coding a Spec-Driven Development con AWOS en Claude Code", talkDescription: - "El vibe coding funciona genial hasta que deja de funcionar. Cuando los agentes de IA empiezan a ignorar tu arquitectura, hacer suposiciones incorrectas sobre tu stack y producir código que compila pero no cumple el objetivo, el problema no es el modelo. Son las instrucciones. Esta charla presenta AWOS (Agentic Workflow Operating System), un framework open source construido por Provectus para Claude Code que trae Spec-Driven Development al coding asistido por IA. AWOS estructura el proceso de desarrollo en 8 fases, cada una con su propio agente especializado y audiencia. Lo que verás: una demo en vivo construyendo una app de gestión de charlas de conferencia. Lo que te llevas: una herramienta que puedes instalar con npx @provectusinc/awos y empezar a usar de inmediato.", + "El vibe coding funciona genial hasta que no. Cuando los agentes de IA empiezan a ignorar tu arquitectura, hacer suposiciones incorrectas sobre tu stack y producir código que compila pero pierde el punto, el problema no es el modelo. Son las instrucciones.\n\nEsta charla presenta AWOS (Agentic Workflow Operating System), un framework open source construido por Provectus para Claude Code que trae Spec-Driven Development al coding asistido por IA. AWOS estructura el proceso de desarrollo en 8 fases, cada una con su propio agente especializado y audiencia: Product Definition, Roadmap, Architecture, Functional Spec, Technical Spec, Tasks, Implementation y Verification. El resultado es un camino trazable desde una idea de alto nivel hasta cada línea de código, con checkpoints humanos en cada etapa.\n\n- Lo que verás: una demo en vivo construyendo una app de gestión de charlas de conferencia (sí, meta), comparando vibe coding versus el workflow AWOS lado a lado.\n- Lo que aprenderás: por qué las especificaciones son simplemente muy buen contexto para LLMs, cómo estructuras de documentos idempotentes resuelven el problema de pérdida de contexto, y dónde encaja Spec-Driven Development junto a herramientas como GitHub Spec Kit y AWS Kiro.\n- Lo que te llevas: una herramienta que puedes instalar con npx @provectusinc/awos y empezar a usar inmediatamente.", }, "cristhian-jesid-garcia-solarte": { - title: "Senior Data Engineer @ Provectus", - description: - "Machine Learning Engineer y Data Engineer con formación en Astronomía y Astrofísica y más de 5 años de experiencia diseñando, construyendo y desplegando pipelines de datos escalables, sistemas de ML y soluciones Big Data en AWS y Databricks. Me especializo en construir pipelines de machine learning end-to-end, sistemas RAG y workflows de IA agéntica, así como optimizar procesos de big data usando Apache Spark, modelado de datos SQL/NoSQL y arquitecturas cloud-native.", - talkTitle: - "Structured Learning: Plataforma impulsada por IA que transforma papers académicos en experiencias de aprendizaje interactivas", - talkDescription: - "Structured Learning es una plataforma que convierte un paper de investigación en un módulo completo de aprendizaje — explicaciones capítulo por capítulo, código ejecutable incremental, chat con RAG, flashcards con repetición espaciada FSRS, derivaciones de ecuaciones, y un grafo de conocimiento en Neo4j. Esta charla cubre el producto, la ingeniería de un pipeline de workflows agénticos que lleva un issue de GitHub hasta un PR fusionado con worktrees aislados, auto-patching tras review fallido y GitHub como API de los agentes, y cómo corre en AWS con LocalStack para paridad dev-prod. Los agentes no reemplazan ingenieros, reemplazan el pegamento entre ingenieros y el aburrido 80% del SDLC — y ahí es donde viven los retornos compuestos.", + title: "Senior data engineer @ Provectus", + description: cristhianJesidBioEs, + ...cristhianJesidTalkEs, }, "nieng-yordan-lee-gaitan": { title: - "Estudiante de maestría en Ingeniería Química @ Universidad Nacional de Colombia - Grupo TAYEA", + "Estudiante de maestría - Ingeniería química @ Universidad nacional de Colombia - Grupo TAYEA", description: - "Ingeniero químico de la Universidad Nacional de Colombia y actualmente cursando maestría en ingeniería química con enfoque en investigación. Trabajo principalmente con Python para modelamiento matemático, simulaciones, análisis de datos y desarrollo de herramientas útiles en contexto industrial o académico. Actualmente estoy enfocado en investigación sobre producción de hidrógeno en syngas, combinando modelamiento multiescala, simulación molecular y machine learning. También trabajo en Exergia Code, donde desarrollo software y contenido técnico cruzando ingeniería química con programación.", + 'Ingeniero químico de la Universidad Nacional de Colombia y actualmente cursando maestría en ingeniería química con enfoque en investigación. Me muevo entre la base clásica de la ingeniería (termodinámica, fenómenos de transporte, operaciones unitarias) y el desarrollo de soluciones computacionales usando Python como herramienta principal.\n\nTrabajo principalmente con Python para todo lo que implica cálculo en ingeniería química: modelamiento matemático, simulaciones, análisis de datos y desarrollo de herramientas que realmente sirvan en contexto industrial o académico. Mi enfoque está en construir aplicaciones de software, sobre todo desde backend, que sean útiles para ingenieros químicos: desde automatizar cálculos hasta apoyar análisis y toma de decisiones.\n\nHe tenido experiencia desarrollando backend y trabajando en DevOps también con Python, montando servicios, integrando sistemas y desplegando soluciones en la nube. Me interesa que lo que construyo no se quede en teoría, sino que funcione, escale y tenga impacto real.\n\nActualmente estoy enfocado en investigación sobre producción de hidrógeno en syngas, combinando modelamiento multiescala, simulación molecular y machine learning, todo soportado en herramientas desarrolladas en Python. También trabajo en "Exergia Code", donde desarrollo software y contenido técnico cruzando ingeniería química con programación.\n\nEn general, el enfoque es claro: entender bien los fenómenos y luego llevarlos a código para resolver problemas reales.\n\nPueden ver mis avances y aportes en mi canal: https://www.youtube.com/@exergiacode', talkTitle: "Python y Machine Learning para Optimización Termoquímica Sostenible", talkDescription: - "La ingeniería química sigue dependiendo en gran parte de ensayos experimentales costosos y lentos para evaluar condiciones de operación en procesos termoquímicos. Esta charla propone un enfoque práctico basado en Python y machine learning para acelerar ese proceso: construir modelos predictivos a partir de datos fisicoquímicos que permitan estimar resultados clave sin necesidad de probar cada escenario en laboratorio. Se mostrará un flujo completo orientado a aplicaciones reales, desde datos hasta decisiones, con el objetivo de reducir tiempos de análisis, disminuir costos experimentales y apoyar la optimización de procesos con impacto ambiental.", + "La ingeniería química sigue dependiendo en gran parte de ensayos experimentales costosos y lentos para evaluar condiciones de operación en procesos termoquímicos. Esta charla propone un enfoque práctico basado en Python y machine learning para acelerar ese proceso: construir modelos predictivos a partir de datos fisicoquímicos que permitan estimar resultados clave (composición, eficiencia, variables termodinámicas) sin necesidad de probar cada escenario en laboratorio.\n\nSe mostrará cómo estructurar datos de procesos, seleccionar variables relevantes y entrenar modelos que capturen el comportamiento del sistema bajo distintas condiciones operativas. El enfoque no es teórico: se presentará un flujo completo orientado a aplicaciones reales, desde datos hasta decisiones.\n\nEl objetivo es claro: reducir tiempos de análisis, disminuir costos experimentales y apoyar la optimización de procesos con impacto ambiental, permitiendo evaluar rápidamente si una condición de operación es viable antes de implementarla.\n\nLos asistentes se llevarán una visión concreta de cómo integrar Python y machine learning en problemas reales de ingeniería química, y cómo transformar datos en herramientas útiles para la toma de decisiones técnicas.", }, "pablo-restrepo-henao": { title: "Machine Learning Lead @ Loka", description: - "Pablo Restrepo es ingeniero de software y ML colombiano con más de 11 años de experiencia construyendo sistemas de IA y software en Colombia, Alemania, el Reino Unido y Estados Unidos. Actualmente es Machine Learning Lead en Loka, donde diseña y despliega soluciones GenAI end-to-end para clientes globales. Tiene una Maestría en Informática de la Technical University of Munich y un BSc en Ciencias de la Computación de Universidad EAFIT. También es investigador publicado en NLP y ha hablado en conferencias en Alemania, Suecia, Noruega y Estados Unidos.", + "Pablo Restrepo es ingeniero de software y ML colombiano con más de 11 años de experiencia construyendo sistemas de IA y software en Colombia, Alemania, el Reino Unido y Estados Unidos. Actualmente es Machine Learning Lead en Loka, donde diseña y despliega soluciones GenAI end-to-end para clientes globales. Antes de Loka, pasó casi cuatro años en Netlight en Múnich, liderando iniciativas GenAI en seguros, medios financieros y manufactura de semiconductores, y casi seis años en Sura en Medellín, terminando como Technical Lead.\n\nTiene una Maestría en Informática, especializada en Machine Learning, de la Technical University of Munich, consistentemente rankeada entre las top 15 mundiales en Computer Science, y un BSc en Computer Science de la Universidad EAFIT. También es investigador publicado en NLP y ha hablado en conferencias y meetups en Alemania, Suecia, Noruega y Estados Unidos.\n\nSu obsesión actual: cómo los desarrolladores pueden seguir siendo excelentes ingenieros y multiplicar su impacto en una industria que está siendo remodelada por los LLMs.", talkTitle: "Clean Code en la era de los LLMs: ¿Siguen importando las buenas prácticas?", talkDescription: - "En cambio, investigaciones de METR, CodeRabbit y GitClear convergen en una verdad incómoda: la duplicación de código se ha cuadruplicado, el código copiado y pegado ahora supera al código movido, los bugs han subido un 70% y los problemas de seguridad casi se han triplicado. La IA no rompió nuestras bases de código. Amplificó lo que ya estaba roto. Entonces, ¿qué hacemos al respecto? Esta charla defiende que clean code, SOLID, DDD, TDD y los design patterns importan más que nunca cuando los LLMs escriben la mitad del código. Tu codebase ahora es un prompt: código limpio lleva a mejores sugerencias de IA, que facilitan mantenerse limpio. Recorreremos qué prácticas importan más ahora, cuáles se han vuelto en tu contra, y cómo colaborar con un LLM sin convertirte en un sello de goma de su output. Te llevarás un framework concreto, Adversarial Collaboration: generar, criticar, refactorizar, verificar. No vibe coding. Ingeniería real, solo más rápida.", + "En cambio, investigaciones de METR, CodeRabbit y GitClear convergen en una verdad incómoda: la duplicación de código se ha cuadruplicado, el código copiado y pegado ahora supera al código movido, los bugs han subido un 70% y los problemas de seguridad casi se han triplicado. La IA no rompió nuestras bases de código. Amplificó lo que ya estaba roto.\n\nEntonces, ¿qué hacemos al respecto? ¿Siguen aplicando décadas de sabiduría de ingeniería cuando un modelo escribe la mitad del código, o necesitamos un playbook completamente nuevo? ¿Clean code, SOLID, DDD, TDD y los design patterns en los que hemos debatido durante décadas son peso muerto en la era de Claude Code y Copilot, o importan más que nunca?\n\nEsta charla defiende la segunda respuesta. Tu codebase ahora es un prompt: código limpio lleva a mejores sugerencias de IA, que facilitan mantenerse limpio. Código desordenado lleva a peores sugerencias, que dificultan recuperarse. Recorreremos qué prácticas importan más ahora (SOLID, DDD, TDD), cuáles se han vuelto en tu contra (hola, DRY agresivo y Abstract Factories), y cómo colaborar con un LLM sin convertirte en un sello de goma de su output.\n\nTe llevarás un framework concreto, Adversarial Collaboration: generar, criticar, refactorizar, verificar. No vibe coding. No prompting perfeccionista. Ingeniería real, solo más rápida.", }, "nicolas-danies": { title: "Data Science Manager @ Visa", description: - "Soy Data Science Manager en Visa, donde lidero proyectos de inteligencia artificial para la región andina enfocados en convertir modelos de machine learning y GenAI en productos reales con impacto en negocio. Mi trabajo se centra en cerrar la brecha entre investigación y producción: desde diseñar modelos hasta desplegarlos como sistemas escalables usados por bancos y empresas en múltiples países. Mi carrera ha sido un recorrido acelerado dentro del ecosistema tecnológico en Latinoamérica, pasando por compañías como Mercado Libre y Rappi, donde trabajé en problemas de alto impacto como fraude, pricing en tiempo real y sistemas distribuidos a gran escala. Paralelamente, soy cofundador y COO de una startup de inteligencia artificial enfocada en entrenamiento comercial mediante sistemas speech-to-speech, donde estoy construyendo arquitecturas modernas integrando modelos de voz, LLMs y sistemas en tiempo real. Más allá de lo profesional, siempre he estado motivado por construir comunidad y acelerar el desarrollo tecnológico en Colombia. He sido profesor asistente en la Universidad de los Andes, he enseñado a cientos de personas sobre machine learning y sistemas con Python, y participé en la creación de un nuevo programa de Data Science en el país.", + "Soy Data Science Manager en Visa, donde lidero proyectos de inteligencia artificial para la región andina enfocados en convertir modelos de machine learning y GenAI en productos reales con impacto en negocio. Mi trabajo se centra en cerrar la brecha entre investigación y producción: desde diseñar modelos hasta desplegarlos como sistemas escalables usados por bancos y empresas en múltiples países.\n\nMi carrera ha sido un recorrido acelerado dentro del ecosistema tecnológico en Latinoamérica, pasando por compañías como Mercado Libre y Rappi, donde trabajé en problemas de alto impacto como fraude, pricing en tiempo real y sistemas distribuidos a gran escala. En estos roles he diseñado APIs de alto rendimiento, modelos en producción y plataformas que operan sobre cientos de millones de transacciones.\n\nParalelamente, soy cofundador y COO de una startup de inteligencia artificial enfocada en entrenamiento comercial mediante sistemas speech-to-speech, donde estoy construyendo arquitecturas modernas integrando modelos de voz, LLMs y sistemas en tiempo real.\n\nMás allá de lo profesional, siempre he estado motivado por construir comunidad y acelerar el desarrollo tecnológico en Colombia. He sido profesor asistente en la Universidad de los Andes, he enseñado a cientos de personas sobre machine learning y sistemas con Python, y participé en la creación de un nuevo programa de Data Science en el país.\n\nMi interés en hablar en PyCon Colombia nace de esa misma motivación: compartir aprendizajes reales de cómo construir sistemas de IA en producción, y contribuir a que más desarrolladores en la región puedan construir tecnología de clase mundial desde Latinoamérica.", talkTitle: "Real-Time Voice Systems: diseño y arquitectura en 5 niveles", talkDescription: @@ -436,11 +437,11 @@ export const speakerContentByLocale: Record = title: "Profesional I - Analítica de Datos y conocimiento del cliente @ EDEQ", description: - "Soy economista y Mg. en Ciencia de Datos, una buena parte de mi historia transcurre en el sector eléctrico en donde he podido crecer en habilidades de automatización, gestión de datos y liderazgo de iniciativas. Sin embargo, más allá de la dinámica laboral siempre me acompaña la pasión por la investigación y los temas sociales, uno de ellos la seguridad alimentaria y nutricional el cual fue un tema que me acompañó toda mi vida universitaria y que también marcó mi vida posgradual. A veces los temas alimentarios son subestimados, pero la verdad es que configuran trampas de pobreza, presión fiscal, y limitaciones que pueden marcar por toda la vida a las personas. Pienso que estamos en un tiempo privilegiado en donde problemas antes invisibles ahora pueden ganar observabilidad a través de la creatividad por medio del uso de datos públicos y haciendo uso de Python.", + "Soy economista y Mg. en Ciencia de Datos, una buena parte de mi historia transcurre en el sector eléctrico en donde he podido crecer en habilidades de automatización, gestión de datos y liderazgo de iniciativas. Sin embargo, más allá de la dinámica laboral siempre me acompaña la pasión por la investigación y los temas sociales, uno de ellos la seguridad alimentaria y nutricional el cual fue un tema que me acompañó toda mi vida universitaria y que también marcó mi vida posgradual, a veces los temas alimentarios son subestimados, pero la verdad es que configuran trampas de pobreza, presión fiscal, y limitaciones que pueden marcar por toda la vida a las personas. Pienso que estamos en un tiempo privilegiado en donde problemas antes invisibles ahora pueden ganar observabilidad a través de la creatividad por medio del uso de datos públicos y haciendo uso de Python.", talkTitle: "Feeding the Invisible: Seguridad alimentaria en ciudades intermedias con Python", talkDescription: - "En muchos países, la inseguridad alimentaria no solo es un problema social, sino también un problema de datos. En Colombia, sistemas clave de monitoreo han perdido continuidad, dejando vacíos críticos de información para la toma de decisiones públicas. Esta charla presenta el desarrollo de un prototipo en Python para la construcción de un sistema de monitoreo y predicción del riesgo de inseguridad alimentaria en ciudades intermedias, utilizando únicamente datos abiertos. A partir de un pipeline reproducible, se integran múltiples componentes de ciencia de datos: ingesta y procesamiento de datos de precios de alimentos (SIPSA), modelos de series de tiempo para pronóstico de precios (incluyendo enfoques clásicos y machine learning como XGBoost), segmentación de hogares mediante clustering a partir de encuestas socioeconómicas, construcción de un índice compuesto que relaciona ingresos, precios y vulnerabilidad, y desarrollo de un prototipo de sistema de soporte a la decisión (DSS). Los asistentes se llevarán un enfoque replicable para construir indicadores complejos, estrategias para trabajar con datos abiertos imperfectos, ideas para integrar modelos, datos socioeconómicos y visualización en un solo sistema, y un ejemplo real de aplicación de Python en política pública y desarrollo territorial.", + "En muchos países, la inseguridad alimentaria no solo es un problema social, sino también un problema de datos. En Colombia, sistemas clave de monitoreo han perdido continuidad, dejando vacíos críticos de información para la toma de decisiones públicas.\n\nEsta charla presenta el desarrollo de un prototipo en Python para la construcción de un sistema de monitoreo y predicción del riesgo de inseguridad alimentaria en ciudades intermedias, utilizando únicamente datos abiertos.\n\nA partir de un pipeline reproducible, se integran múltiples componentes de ciencia de datos:\n\n- Ingesta y procesamiento de datos de precios de alimentos (SIPSA)\n- Modelos de series de tiempo para pronóstico de precios (incluyendo enfoques clásicos y machine learning como XGBoost)\n- Segmentación de hogares mediante clustering a partir de encuestas socioeconómicas\n- Construcción de un índice compuesto que relaciona ingresos, precios y vulnerabilidad\n- Desarrollo de un prototipo de sistema de soporte a la decisión (DSS)\n\nEl enfoque propone una forma de transformar datos fragmentados en indicadores accionables, permitiendo anticipar riesgos de acceso a alimentos en contextos urbanos.\n\nMás allá del caso de uso, la charla busca mostrar cómo Python puede ser utilizado para construir sistemas de monitoreo en escenarios con datos incompletos, alta incertidumbre y necesidades de impacto público.\n\nLos asistentes se llevarán:\n\n- Un enfoque replicable para construir indicadores complejos\n- Estrategias para trabajar con datos abiertos imperfectos\n- Ideas para integrar modelos, datos socioeconómicos y visualización en un solo sistema\n- Un ejemplo real de aplicación de Python en política pública y desarrollo territorial", }, "santos-gallegos": { title: "Ingeniero de Software @ Read the Docs", @@ -454,18 +455,15 @@ export const speakerContentByLocale: Record = "ana-maria-lopez-moreno": { title: "Partner Solution Architect Data and AI @ Microsoft", description: - "Soy Ana María López Moreno, apasionada por los datos, la inteligencia artificial, la educación y las comunidades tecnológicas. Actualmente trabajo como Senior Partner Solution Architect en Data & AI en Microsoft, donde acompaño a partners y organizaciones en la adopción de soluciones de datos, analítica e inteligencia artificial. También soy docente universitaria y coordinadora del programa de Ingeniería de Software y Datos en la Institución Universitaria Digital de Antioquia, un rol que me permite conectar la industria con la academia y acompañar a nuevas generaciones de profesionales en tecnología. Mi experiencia se ha enfocado en plataformas de datos, inteligencia artificial generativa, MLOps, arquitectura cloud y construcción de soluciones aplicadas con impacto real. He sido speaker en PyCon Colombia 2023 y 2024, y en 2025 tuve la oportunidad de participar como speaker en KubeCon, compartiendo experiencias alrededor de tecnología, datos, inteligencia artificial y comunidades técnicas.", + "Soy Ana María López Moreno, apasionada por los datos, la inteligencia artificial, la educación y las comunidades tecnológicas. Actualmente trabajo como Senior Partner Solution Architect en Data & AI en Microsoft, donde acompaño a partners y organizaciones en la adopción de soluciones de datos, analítica e inteligencia artificial.\n\nTambién soy docente universitaria y coordinadora del programa de Ingeniería de Software y Datos en la Institución Universitaria Digital de Antioquia, un rol que me permite conectar la industria con la academia y acompañar a nuevas generaciones de profesionales en tecnología.\n\nMi experiencia se ha enfocado en plataformas de datos, inteligencia artificial generativa, MLOps, arquitectura cloud y construcción de soluciones aplicadas con impacto real. He sido speaker en PyCon Colombia 2023 y 2024, y en 2025 tuve la oportunidad de participar como speaker en KubeCon, compartiendo experiencias alrededor de tecnología, datos, inteligencia artificial y comunidades técnicas.\n\nMe interesa construir conocimiento de forma cercana, práctica y útil. Disfruto compartir aprendizajes, crear espacios de conversación y motivar a más personas —especialmente estudiantes y profesionales en crecimiento— a explorar el potencial de Python, los datos y la inteligencia artificial para resolver problemas reales.\n\nPara mí, ser parte de comunidades como PyCon Colombia significa aprender, aportar y seguir construyendo tecnología desde Latinoamérica para el mundo.", talkTitle: "STUART: Un agente hacker autónomo hecho en Python", talkDescription: - "¿Qué pasaría si le das una dirección IP a un agente de Python y le pides que encuentre las vulnerabilidades del servidor por su cuenta? Eso es exactamente lo que hice. En esta charla presento STUART, un agente autónomo de pentesting que construí con AG2 (AutoGen) y GPT-4. El agente es capaz de analizar sistemas objetivo sin intervención humana, siguiendo las primeras etapas del Cyber Kill Chain: reconocimiento e identificación de vulnerabilidades. La arquitectura es 100% Python: un AssistantAgent respaldado por GPT-4 que razona y planifica, y un UserProxyAgent con un Code Executor que interactúa directamente con el sistema objetivo. Todo orquestado por AG2, el framework open-source para construir sistemas multi-agente. La charla incluye una demostración en vivo donde STUART analizará un sistema vulnerable desplegado en Docker. Verán paso a paso cómo el agente escanea puertos, identifica servicios, detecta vulnerabilidades y reporta sus hallazgos — todo de forma autónoma, decidiendo por sí mismo qué hacer en cada paso. Te vas a llevar conocimiento práctico sobre cómo construir agentes que actúan en el mundo real con AG2, y una perspectiva concreta sobre lo que la IA ofensiva puede hacer hoy. Si un agente de Python puede encontrar tus vulnerabilidades, ¿cómo deberían prepararse los equipos de defensa? Todas las demostraciones se realizan en entornos controlados y éticos.", + "¿Qué pasaría si le das una dirección IP a un agente de Python y le pides que encuentre las vulnerabilidades del servidor por su cuenta? Eso es exactamente lo que hice.\n\nEn esta charla presento STUART, un agente autónomo de pentesting que construí con AG2 (AutoGen) y GPT-4. El agente es capaz de analizar sistemas objetivo sin intervención humana, siguiendo las primeras etapas del Cyber Kill Chain: reconocimiento e identificación de vulnerabilidades.\n\nLa arquitectura es 100% Python: un AssistantAgent respaldado por GPT-4 que razona y planifica, y un UserProxyAgent con un Code Executor que interactúa directamente con el sistema objetivo. Todo orquestado por AG2, el framework open-source para construir sistemas multi-agente.\n\nLa charla incluye una demostración en vivo donde STUART analizará un sistema vulnerable desplegado en Docker. Verán paso a paso cómo el agente escanea puertos, identifica servicios, detecta vulnerabilidades y reporta sus hallazgos — todo de forma autónoma, decidiendo por sí mismo qué hacer en cada paso.\n\nAgenda:\nIntroducción: ¿puede un LLM encontrar vulnerabilidades solo? (3 min)\nCyber Kill Chain: el marco que guía al agente (5 min)\nArquitectura de STUART: AG2, agentes, y código real (7 min)\nDemo en vivo: STUART analizando un sistema vulnerable (8 min)\nResultados, limitaciones y próximos pasos (5 min)\nCierre y preguntas (2 min)\n\nTe vas a llevar conocimiento práctico sobre cómo construir agentes que actúan en el mundo real con AG2, y una perspectiva concreta sobre lo que la IA ofensiva puede hacer hoy. Si un agente de Python puede encontrar tus vulnerabilidades, ¿cómo deberían prepararse los equipos de defensa?\n\nTodas las demostraciones se realizan en entornos controlados y éticos.", }, "gonzalo-andres-pena-castellanos": { title: "Senior Software Engineer / Open Source AI @ Backblaze", - description: - "Soy ingeniero de software colombiano con más de 11 años de experiencia profesional y emprendedor trabajando en Python, TypeScript y desarrollo open source. Actualmente trabajo como AI Engineer en Backblaze. Anteriormente trabajé en Datalayer construyendo herramientas en la intersección de Jupyter, IA y computación colaborativa, en Quansight contribuyendo al ecosistema científico de Python, y en Anaconda como Technical Lead de Anaconda Navigator. Mi carrera abarca desde ingeniería de recursos hídricos (MSc de IHE Delft y Erasmus Mundus) hasta convertirme en contribuidor core de proyectos open source importantes incluyendo Spyder IDE, JupyterLab, napari, conda-forge entre otros. He creado más de 400 recetas de conda-forge y lideré esfuerzos de internacionalización para JupyterLab y automatización en el proyecto Scientific Python Translations. También cofundé Trepa, un gimnasio de escalada en Bogotá, Colombia, y cofundé PyCon Colombia. Estoy profundamente comprometido con las comunidades Python y open source de Latinoamérica, y formo parte del Python Software Foundation Grants Working Group.", - talkTitle: "Provenance by Default: AI Media Pipelines in Python", - talkDescription: - "Un modelo ahora puede generar un video indistinguible de uno que grabó tu cámara. Lo mismo vale para una imagen, una voz o una canción. Como desarrolladores Python, estamos construyendo esos pipelines — y también seremos quienes muy pronto deban demostrar qué salió de ellos. Esta charla trata de construir pipelines de media generativa en Python de forma que esa pregunta se responda por defecto. Recorreremos Genblaze, un SDK open source (github.com/backblaze-labs/genblaze, licencia MIT) en el que trabajo en Backblaze, y lo usaremos como vehículo para hablar de los problemas de diseño que cualquier equipo enfrenta al integrar generación de IA en un producto real. Cubriremos, con código en vivo: el patrón Pipeline con una API fluida Pipeline → Step → Run → Manifest construida sobre Pydantic v2; una API para once proveedores; provenance que sobrevive al archivo con manifiestos verificados por SHA-256 embebidos en PNG, JPEG, MP4, MP3 y WAV; controles de privacidad y política; almacenamiento y replay; y loops de agentes con lineage. Al final, los asistentes tendrán una referencia clara de cómo arquitecturar features de IA generativa en Python para que ¿qué produjo realmente este sistema y puedo demostrarlo? sea una respuesta de una línea en lugar de un ticket.", + description: gonzaloBioEs, + ...gonzaloTalkEs, }, "andres-felipe-estrada-rodriguez": { title: "Sr Data Scientist @ Globant", @@ -474,7 +472,7 @@ export const speakerContentByLocale: Record = talkTitle: "Sistemas de IA vulnerables: datos reales, diseño responsable", talkDescription: - "El 29% de los ataques pasan los filtros de seguridad de los LLMs más usados en producción. No es un bug. Es la naturaleza del sistema. Los LLMs son procesos estocásticos entrenados sobre lenguaje humano, el medio más flexible, ambiguo y manipulable que existe. Esta charla presenta los resultados de llm-break-bench: 3.360 pruebas adversariales sobre GPT-4o, Claude, Gemini, Grok y DeepSeek usando MLCommons AI Safety v0.5 y OWASP LLM Top 10 como estándares. El modelo más inteligente del benchmark es 5 veces más vulnerable que el más barato. Los datos se conectan con casos de uso reales donde los LLMs están en producción: RAGs, chatbots, agentes, asistentes de código. El cierre es accionable: 5 pilares de diseño para sistemas de IA que no dependan del modelo para su propia seguridad, con código real de NVIDIA NeMo Guardrails y Meta LlamaFirewall.", + "El 29% de los ataques pasan los filtros de seguridad de los LLMs más usados en producción. No es un bug. Es la naturaleza del sistema.\n\nLos LLMs son procesos estocásticos entrenados sobre lenguaje humano, el medio más flexible, ambiguo y manipulable que existe. Eso los hace increíblemente poderosos. Y exactamente por eso son vulnerables. No hay parche para eso. Solo hay diseño.\n\nEsta charla presenta los resultados de llm-break-bench: 3.360 pruebas adversariales sobre GPT-4o, Claude, Gemini, Grok y DeepSeek usando MLCommons AI Safety v0.5 y OWASP LLM Top 10 como estándares. Los números rompen las intuiciones. El modelo más inteligente del benchmark es 5 veces más vulnerable que el más barato y 11 veces más caro. El más criticado por la prensa termina segundo en seguridad, y la razón detrás de eso explica todo lo que está mal en cómo la industria despliega IA hoy.\n\nLos datos son el punto de partida. La charla los conecta con los casos de uso reales donde los LLMs están en producción: RAGs, chatbots, agentes, asistentes de código. Muestra dónde falla el diseño, qué consecuencias tiene (Air Canada pagó por eso) y cómo se construye diferente.\n\nEl cierre es accionable: 5 pilares de diseño para sistemas de IA que no dependan del modelo para su propia seguridad, con código real de NVIDIA NeMo Guardrails y Meta LlamaFirewall.\n\nSi tenés un LLM en producción o estás a punto de tenerlo, esta charla cambia cómo lo diseñás.", }, "sergio-hernan-valenzuela-camara": { title: "CTO TecnóPolis-Ai, docente universitario @ TecnóPolis-Ai", @@ -483,13 +481,13 @@ export const speakerContentByLocale: Record = talkTitle: "Camila Plejia, asistente virtual, aplicado a personas con tetraplejia", talkDescription: - "La combinación de distintas herramientas y tecnologías del área de la inteligencia artificial — Computer Vision, OCR, PNL, RPA, Voice to text, text to voice — da lugar a la creación de un asistente virtual, Camila Plejia, que ayuda personas con tetraplejia, facilitando su cotidiano quehacer en tareas simples como leer noticias, conocer el estado del tiempo, revisar, leer y escribir un correo electrónico, revisar, enviar y leer mensajes de WhatsApp, buscar y ver un determinado video en YouTube, entre otras. Permite a la persona tetrapléjica tener una ventana de comunicación con el mundo exterior, pensando que pasa mucho tiempo aislada entre cuatro paredes y depende de la asistencia de un tercero para realizar actividades.", + "La combinación de distintas herramientas y tecnologías del área de la inteligencia artificial: Computer Vision, OCR, PNL, RPA, Voice to text, text to voice. La fusión de todas éstas tecnologías dan lugar a la creación de un asistente virtual Camila Plejia, que ayuda personas con tetraplejia, facilitando su cotidiano quehacer en tareas simples, como: leer noticias; conocer el estado del tiempo; revisar, leer, escribir un correo electrónico; revisar, enviar, leer mensajes de WhatsApp; buscar y ver un determinado video en YouTube; etc. Permite a la persona tetrapléjica tener una ventana de comunicación con el mundo exterior, pensando que pasa mucho tiempo aislada entre cuatro paredes y depende de la asistencia de un tercero para realizar actividades.", }, "kevin-hernandez": { title: "Senior Software Engineer @ trellis.law", description: - "Soy ingeniero de software al que le encanta aprender cosas nuevas y trabajar en proyectos emocionantes. Disfruto construir herramientas que empujan los límites de lo que Python puede hacer, desde sistemas backend hasta experiencias interactivas en el navegador.", - talkTitle: "Python in the Browser: Powered by WebAssembly", + "Soy ingeniero de software al que le encanta aprender cosas nuevas y trabajar en proyectos emocionantes. Disfruto trabajando en", + talkTitle: "Python en el navegador: impulsado por WebAssembly", talkDescription: "¿Y si el navegador pudiera ejecutar Python como un lenguaje de primera clase? En esta charla mostraré cómo PyScript hace posible ejecutar Python real directamente en el navegador, impulsado por WebAssembly. A través de una serie de ejemplos emocionantes en vivo, verás Python manipulando el DOM, llamando APIs del navegador y construyendo experiencias interactivas, todo sin una base de código JavaScript tradicional. También mostraré algunos ejemplos de cómo puedes embeber JavaScript y Python en PyScript para crear herramientas aún más emocionantes. También discutiré qué es WebAssembly, por qué existe y cómo permite que lenguajes como Python se ejecuten de forma segura y eficiente en la plataforma web. Finalmente, hablaré de cuándo herramientas como PyScript tienen sentido y las compararé con herramientas similares. Ya seas desarrollador Python curioso sobre el frontend, ingeniero interesado en WebAssembly, o simplemente alguien que disfruta ver los límites de Python empujados, esta charla cambiará cómo piensas sobre qué puede ejecutarse en un navegador.", }, @@ -497,7 +495,7 @@ export const speakerContentByLocale: Record = title: "Developer @ Kernel Chaos", description: "Backend Developer con más de 6 años de experiencia diseñando y construyendo sistemas. Capacidad comprobada para liderar y gestionar equipos, optimizar flujos de desarrollo y resolver desafíos técnicos.", - talkTitle: "From Typosquatting to Infrastructure Poisoning", + talkTitle: "De typosquatting al envenenamiento de infraestructura", talkDescription: "En 2026, la seguridad de la cadena de suministro de Python ha dejado de ser un problema de nombres mal escritos para convertirse en un campo de batalla de infraestructura. Esta charla analiza la transición técnica desde ataques simples de Typosquatting hacia el envenenamiento sofisticado de herramientas de CI/CD y entornos de ejecución. Exploraremos casos reales recientes como la campaña de TeamPCP y el compromiso de Aqua Security Trivy, analizando técnicas de persistencia mediante archivos .pth que permiten ejecución maliciosa sin necesidad de un import explícito. Finalmente, presentaremos la hoja de ruta para la defensa moderna: desde Sigstore y el PEP 740 hasta el cumplimiento de la Ley de Resiliencia Ciberactiva (CRA).", }, @@ -528,7 +526,7 @@ export const speakerContentByLocale: Record = "gerardo-vilcamiza-espinoza": { title: "Senior AI Engineer @ NTT DATA", description: - "¡Hola! Mi nombre es Gerardo y soy Ingeniero Mecatrónico con una Maestría en Inteligencia Artificial Embebida. Actualmente trabajo como Senior AI Engineer en la consultora tecnológica NTT DATA, liderando proyectos de IA generativa, en los que aplicamos modelos de generación de texto, audio e imágenes en soluciones para el sector bancario y asegurador en distintos países de Latinoamérica. También me desempeño como docente investigador en la Universidad de Buenos Aires, donde dicto cursos de Deep Learning y Visión por Computadora. Además, lidero proyectos de investigación en el Laboratorio de Sistemas Embebidos, enfocados en robótica y sistemas satelitales.", + "¡Hola! Mi nombre es Gerardo y soy Ingeniero Mecatrónico con una Maestría en Inteligencia Artificial Embebida. Actualmente trabajo como Senior AI Engineer en la consultora tecnológica NTT DATA, liderando proyectos de IA generativa, en los que aplicamos modelos de generación de texto, audio e imágenes en soluciones para el sector bancario y asegurador en distintos países de Latinoamérica.\n\nTambién me desempeño como docente investigador en la Universidad de Buenos Aires, donde dicto cursos de Deep Learning y Visión por Computadora. Además, lidero proyectos de investigación en el Laboratorio de Sistemas Embebidos, enfocados en robótica y sistemas satelitales.\n\nCuento con una trayectoria de 5 años participando como divulgador en temas de ingeniería e inteligencia artificial en conferencias internacionales, lo que me ha permitido compartir y aprender junto a distintas comunidades en eventos realizados en más de 15 países.", talkTitle: "Vision-Language-Action Models: de los chatbots a la interacción con el mundo físico", talkDescription: @@ -541,12 +539,12 @@ export const speakerContentByLocale: Record = talkTitle: "Eleva la calidad de tu código en Python con tooling moderno ultrarrápido", talkDescription: - "Los asistentes de coding con IA han cambiado cómo construimos software. Ahora podemos generar features, refactors y servicios enteros en minutos — pero la velocidad sin buenas prácticas de ingeniería se convierte rápido en deuda técnica. En esta charla mostraré cómo equipos Python modernos pueden construir workflows de desarrollo rápidos y confiables usando herramientas como Ruff, Ty y uv de Astral. Exploraremos cómo los pipelines tradicionales lentos y ruidosos están siendo reemplazados por una nueva generación de tooling que da feedback casi instantáneo mientras mejora la calidad del código y la experiencia del desarrollador. Temas incluyen por qué el código generado por IA hace que los quality gates automatizados sean más importantes que nunca, usar Ruff para formateo y linting, usar Ty para tipado estático moderno, estructurar workflows formatter → linter → type-checker, pre-commit hooks y pipelines de CI que los desarrolladores realmente disfrutan usar, y reducir la fricción entre desarrollo local y CI/CD.", + "Los asistentes de coding con IA han cambiado cómo construimos software. Ahora podemos generar features, refactors y servicios enteros en minutos — pero la velocidad sin buenas prácticas de ingeniería se convierte rápido en deuda técnica.\n\nEn esta charla mostraré cómo equipos Python modernos pueden construir workflows de desarrollo rápidos y confiables usando herramientas como Ruff, Ty y uv de Astral.\n\nExploraremos cómo los pipelines tradicionales lentos y ruidosos están siendo reemplazados por una nueva generación de tooling que da feedback casi instantáneo mientras mejora la calidad del código y la experiencia del desarrollador.\n\nTemas incluyen:\n\nPor qué el código generado por IA hace que los quality gates automatizados sean más importantes que nunca\nUsar Ruff para formateo, linting y loops de feedback rápidos\nUsar Ty para tipado estático moderno y desarrollo a gran escala más seguro\nEstructurar workflows formatter → linter → type-checker\nPre-commit hooks y pipelines de CI que los desarrolladores realmente disfrutan usar\nReducir la fricción entre desarrollo local y CI/CD\n\nLa sesión es práctica, con opinión, y basada en experiencia real de ingeniería construyendo sistemas en producción con workflows asistidos por IA.\n\nYa seas backend engineer, tech lead o desarrollador AI-native, esta charla te dará un blueprint moderno para construir sistemas Python que avanzan rápido sin sacrificar calidad.", }, "mateo-rios-querubin": { title: "Senior ML Engineer @ Provectus / Universidad EAFIT", description: - "Ingeniero Matemático con MSc en Matemáticas Aplicadas (Universidad EAFIT) y más de 7 años de experiencia como Data Scientist y Machine Learning Engineer. Actualmente en Provectus, construyendo pipelines de evaluación y optimización de LLM para automatización de procesamiento de documentos. También más de 3 años dictando Analítica Avanzada y Matemáticas fundamentales en Universidad EAFIT. Especializado en diseñar y desplegar soluciones de IA incluyendo sistemas de evaluación de LLM, modelos de computer vision, sistemas de recomendación y pipelines de ML end-to-end. AWS Certified Generative AI Developer y AWS Certified Machine Learning Specialty.", + "Ingeniero Matemático con MSc en Matemáticas Aplicadas (Universidad EAFIT) y más de 7 años de experiencia como Data Scientist y Machine Learning Engineer. Actualmente en Provectus, construyendo pipelines de evaluación y optimización de LLM para automatización de procesamiento de documentos. También más de 3 años como docente de Analítica Avanzada y Matemáticas fundamentales en la Universidad EAFIT. Especializado en diseñar y desplegar soluciones de IA incluyendo sistemas de evaluación de LLM, modelos de computer vision, sistemas de recomendación y pipelines de ML end-to-end. AWS Certified Generative AI Developer y AWS Certified Machine Learning Specialty. Competente en Python, AWS y GCP, con experiencia en dominios diversos incluyendo finanzas, agricultura, salud y entretenimiento. Speaker previo en Tech Caribe Fest, Python Medellín y Medellín AI. Apasionado por el aprendizaje continuo, compartir conocimiento, las artes y el Kung Fu.", ...mateoSebastianTalkEs, }, "carlos-andres-osorio-alcalde": { @@ -560,24 +558,22 @@ export const speakerContentByLocale: Record = "sankalp-gilda": { title: "Staff MLE @ DeepThought Solutions", description: - "Sankalp Gilda, PhD (Astrofísica, University of Florida, 2021). Staff Machine Learning Engineer en DeepThought Solutions, donde lidera trabajo en tooling de evaluación de IA en producción, instrumentación host-side para sandboxes de ejecución agéntica y extracción de knowledge graphs basada en LLM. Autor de tsbootstrap, una librería Python open source para bootstrapping de series de tiempo. Anteriormente construyó sistemas de ML en Marathon Petroleum, Fermata Energy y el Canada-France-Hawaii Telescope.", - talkTitle: "Tu eval de IA te está mintiendo", - talkDescription: - 'Cuando pones temperature=0 y ejecutas tu eval de IA, esperas que la misma entrada dé la misma salida. No lo hace. Mediciones recientes en Qwen3-235B con temperature=0 produjeron 80 completions únicas en un solo prompt. Entonces, cuando tu eval reporta "92% pass rate", ¿qué significa realmente? Esta charla trata sobre la brecha entre cómo el ecosistema de eval de IA habla de scores y lo que esos scores realmente pueden sostener. Recorremos cinco herramientas específicas que cierran la brecha: Pass@k versus pass^k, intervalos de confianza de Wilson, pass@k bayesiano con conjugación Beta-Binomial, detección secuencial de drift con EWMA, CUSUM y OLS, y control de error family-wise vía procedimientos Benjamini-Hochberg. Cada método tiene una demo corta en Python puro sin dependencia de frameworks. La audiencia se lleva implementaciones de referencia que pueden pegar en un setup pytest existente esta noche.', + "Sankalp Gilda, PhD (Astrofísica, University of Florida, 2021). Staff Machine Learning Engineer en DeepThought Solutions, donde lidera trabajo en tooling de evaluación de IA en producción, instrumentación host-side para sandboxes de ejecución agéntica y extracción de knowledge graphs basada en LLM. Autor de tsbootstrap, una librería Python open source para bootstrapping de series de tiempo. Anteriormente construyó sistemas de ML en Marathon Petroleum, Fermata Energy y el Canada-France-Hawaii Telescope. Trabajo académico reciente: position paper en ICML 2026 sobre responsabilidad epistémica para ingeniería asistida por IA (en revisión), ICLR 2026 Advances in Financial AI, y workshops de LLM Logical Reasoning (aceptado).", + ...sankalpTalkEs, }, "marcela-hoyos-cano": { title: "Team Lead Data Analytics @ Snappr", description: - "Soy data scientist e ingeniera basada en Medellín. Empecé mi carrera en Ingeniería Mecatrónica y en algún punto me enamoré de los datos, lo que me llevó a una Maestría en Data Science & Analytics. Desde entonces he trabajado remotamente en LATAM y EE.UU. en empresas como Holafly, Lemontech y el ICIPC. Hoy lidero Data Analytics en Snappr, un marketplace global de fotografía. He construido pipelines de datos y conectores personalizados, diseñado nuestra arquitectura dbt, configurado dashboards, gestionado permisos y roles en Snowflake, construido herramientas para dar acceso directo a datos a compañeros no técnicos, y trabajado de cerca con ops, finanzas e ingeniería para convertir procesos de negocio desordenados en algo medible.", + "Soy data scientist e ingeniera basada en Medellín. Empecé mi carrera en Ingeniería Mecatrónica y en algún punto me enamoré de los datos, lo que me llevó a una Maestría en Data Science & Analytics. Desde entonces he trabajado remotamente en LATAM y EE.UU. en empresas como Holafly, Lemontech y el ICIPC. He construido pipelines de datos, modelos de machine learning, dashboards, procesos ETL, desarrollo backend y herramientas de analítica para ayudar a equipos a tomar mejores decisiones basadas en datos.\n\nHoy lidero Data Analytics en Snappr, un marketplace global de fotografía. Como en cualquier startup terminas haciendo de todo: he construido pipelines de datos y conectores custom, diseñado nuestra arquitectura dbt, montado dashboards, gestionado permisos y roles en Snowflake, construido herramientas para dar acceso directo a datos a compañeros no técnicos, y trabajado de cerca con ops, finanzas e ingeniería para convertir procesos de negocio desordenados en algo medible.", talkTitle: "Cómo dejamos de responder preguntas de datos y construimos el stack que las responde", talkDescription: - "Si has trabajado en una startup en crecimiento, probablemente conoces la sensación: múltiples equipos sacando números distintos para la misma métrica, ops pidiendo constantemente a ingeniería respuestas básicas, y crear u organizar métricas es un dolor real. Cada nueva pregunta se siente como empezar de cero. Esta charla es la historia de cómo un equipo pequeño lo arregló. Primero, construyendo una arquitectura dbt adecuada desde cero con Sources, Staging, Intermediate y Marts para que cosas como bookings, revenue y providers estuvieran definidas en un solo lugar y todos vieran el mismo número. Una vez que los datos fueron confiables, conectamos un LLM para que compañeros no técnicos pudieran hacer preguntas en lenguaje natural y obtener respuestas reales directamente desde Snowflake. Sin SQL, sin ticket, sin esperar a ingeniería. Te llevarás un modelo mental claro para construir una capa dbt en la que la gente realmente confíe, una arquitectura práctica para conectar un LLM a tu warehouse, y lo que hizo que todo encajara: tus docs de dbt son tu prompt de LLM.", + "Si has trabajado en una startup en crecimiento, probablemente conoces la sensación: múltiples equipos sacando números distintos para la misma métrica, ops pidiendo constantemente a ingeniería respuestas básicas, y crear u organizar métricas es un verdadero dolor. Cada nueva pregunta se siente como empezar de cero.\n\nEsta charla es la historia de cómo un equipo pequeño arregló eso. Primero, construyendo una arquitectura dbt adecuada desde cero con Sources, Staging, Intermediate y Marts para que cosas como bookings, revenue y providers estuvieran definidas en un solo lugar y todos miraran el mismo número. Una vez que los datos eran confiables, conectamos un LLM para que compañeros no técnicos pudieran hacer preguntas en lenguaje natural y obtener respuestas reales directamente desde Snowflake. Sin SQL, sin ticket, sin esperar a ingeniería.\n\nEs una mirada honesta a lo que construimos, lo que se rompió y lo que hicimos mal la primera vez. Te llevarás un modelo mental claro para construir una capa dbt en la que la gente realmente confíe, una arquitectura práctica para conectar un LLM a tu warehouse, y la cosa que hizo que todo encajara: tus docs de dbt son tu prompt de LLM.", }, "sebastian-gomez-ahumada": { title: "Middle ML Engineer @ Provectus", description: - "Ingeniero biomédico de Universidad de los Andes, con minor en neurociencia y MSc en ingeniería biomédica enfocado en machine learning. Actualmente trabaja como machine learning engineer construyendo sistemas de IA en producción, pipelines de extracción y agentes conversacionales. Python fue su primer lenguaje de programación y el que le enseñó a pensar en código, no solo a escribirlo. Durante los últimos dos años y medio fue asistente de cátedra de fundamentos de ML en Los Andes, un rol que reforzó una convicción que defenderá en el escenario: la complejidad rara vez es la respuesta y casi siempre es la excusa.", + "Ingeniero biomédico de la Universidad de los Andes, con minor en neurociencia y MSc en ingeniería biomédica enfocado en machine learning. Actualmente trabajo como machine learning engineer construyendo sistemas de IA en producción, pipelines de extracción y agentes conversacionales. Python fue mi primer lenguaje de programación y el que me enseñó a pensar en código, no solo a escribirlo. Durante los últimos dos años y medio fui asistente de cátedra de fundamentos de ML en Los Andes, un rol que reforzó una convicción que defenderé felizmente en el escenario: la complejidad rara vez es la respuesta y casi siempre es la excusa. Cuando no estoy frente al teclado, estoy en una cancha de fútbol.", ...mateoSebastianTalkEs, }, "juliana-suarez-avila": { diff --git a/src/assets/data/speakers.ts b/src/assets/data/speakers.ts index 4fa18b8..f5128f8 100644 --- a/src/assets/data/speakers.ts +++ b/src/assets/data/speakers.ts @@ -337,7 +337,6 @@ const speakerList: SpeakerInput[] = [ name: "Ricardo Taborda", image: "/images/speakers/ricardo-taborda.jpg", tracks: ["community", "scientific-computing"], - github: "https://github.com/ricardotaborda", linkedin: "https://www.linkedin.com/in/ricardotaborda/", country: "Colombia", language: "Spanish / Español", diff --git a/src/assets/data/sponsor-videos/factored.ts b/src/assets/data/sponsor-videos/factored.ts index 90bc130..5a22717 100644 --- a/src/assets/data/sponsor-videos/factored.ts +++ b/src/assets/data/sponsor-videos/factored.ts @@ -1,10 +1,6 @@ import type { SponsorVideo } from "@/assets/data/sponsor-videos"; export const factoredVideos: SponsorVideo[] = [ - { - youtubeId: "lAmwtHvkzsI", - title: "Factored at PyCon Colombia", - }, { youtubeId: "exnHYpZDPwA", title: "Factored at PyCon Colombia", diff --git a/src/assets/data/workshop-requirements.ts b/src/assets/data/workshop-requirements.ts new file mode 100644 index 0000000..d7e346e --- /dev/null +++ b/src/assets/data/workshop-requirements.ts @@ -0,0 +1,167 @@ +import type { SiteLocale } from "@/lib/site-messages"; + +export const workshopRequirementsEn: Record = { + "david-felipe-vanegas-ramirez": `Workshop prerequisites +Minimum hardware: laptop with at least 8 GB of RAM (16 GB recommended) and 10 GB of free disk space. +Required software — please install everything before the event: + +Docker Desktop: https://www.docker.com/products/docker-desktop +Python 3.11+: https://www.python.org/downloads +Git: https://git-scm.com +Claude Desktop (free): https://claude.ai/download +VS Code (recommended): https://code.visualstudio.com`, + "felix-mino": "Laptop and Docker Desktop installed.", + "roberto-bedoya-garcia": `Workshop prerequisites +Software (install before the event): + +Python 3.10 or higher +Docker Desktop (to run Elasticsearch, Kibana, and Langfuse locally) +Git +Code editor (VS Code recommended) +Free Langfuse Cloud account (Docker alternative if there are memory limitations): langfuse.com + +Prerequisites: + +Intermediate Python (functions, classes, managing libraries with pip) +Basic familiarity with REST APIs and environment variables +Having worked at least once with an LLM (OpenAI, Anthropic, or similar) — no need to be an expert + +Required API account: + +OpenAI API key with available credits (minimum $5 USD) — Ollama with a local model can also be used if you don't want to spend on API + +Recommended minimum hardware: + +8 GB of RAM (16 GB recommended if running Docker + Ollama simultaneously) +Stable internet connection + +Before arriving: +The workshop repository will be available on GitHub 48 hours before the event. It is recommended to run docker compose up at home to validate that the environment works correctly and not waste workshop time on installations.`, + "hazel-saenz": `macOS / Linux / Windows +Python 3.10+ +Ollama (for layers 1-4) +AWS CLI configured (for layers 5-6, uses Amazon Bedrock) +(Optional) Spotify Developer account`, + "emanuel-zapata-querubin": `No software installation is required, but the following is needed (contact me if you want a PDF or video with the steps): +1. Create or have a Databricks Free Edition account +2. Create or have a GitHub account +3. Fork the following repository on GitHub: https://github.com/Ezapataq07-lovelytics/databricks-mlops-talk +4. Clone your own repository (the fork) in the Databricks Free Edition environment using "Git folders"`, + "johnny-montoya": `Before the workshop, each attendee must bring: + +- Laptop with installation permissions, minimum 8 GB RAM +- Python 3.12 installed + git + an editor (VS Code recommended) +- Docker +- Workshop repo cloned and .venv ready (URL confirmed once the proposal is accepted; the current base code lives in centinela-io) +- Toy dataset (sample_data.csv, ~5 MB) downloaded from the repo. +IMPORTANT: I will enable a pool of temporary keys for attendees without budget`, + "jonathan-vallejo-munoz": `Before the workshop, it is recommended to have installed: +Git +Python 3.11 +Conda +Node.js and npm +A code editor such as Cursor or Visual Studio Code +Docker Desktop +A free or paid account for an AI assistant such as Cursor, GitHub Copilot, Claude, or your preference. A paid subscription is not required; for example, Cursor's free tier is sufficient to participate`, + "maris-botero": + "Participants must bring their own laptop with Python 3.9 or higher installed.", + "jose-hernan-ortiz-ocampo": + "There are no specific software requirements for the workshop.", + "jesus-alfredo-reyes-vargas": + "Install: Claude Code or Codex (or any code agent), VS Code (or another code editor), backup internet access. UV package manager.", + "jose-arturo-osorio-londono": "Databricks Community, local Python.", + "biviana-marcela-suarez-sierra": `It is recommended to bring a laptop with a Google account to access Google Colab, where all notebooks will be available. Participants using Colab do not need to install anything beforehand. For those who prefer to work in a local environment, Python 3.10 or higher is recommended. Basic familiarity with Python is assumed. No prior experience in natural language processing is required. It is recommended to have a text corpus for analysis.`, + "felipe-sanchez": + "You need VS Code and Claude installed on your computer. Nothing else and everything will be free", + "francisco-javier-moya-ortiz": + "You need a Sigma Public account; just create an account with your email: https://public.sigmacomputing.com/", + "elkin-javier-guerra-galeano": + "Python +3.10, Ollama installed, Docker installed.", +}; + +export const workshopRequirementsEs: Record = { + "david-felipe-vanegas-ramirez": `Requisitos previos para el taller +Hardware mínimo: laptop con al menos 8 GB de RAM (16 GB recomendado) y 10 GB de espacio libre en disco. +Software requerido — por favor instala todo antes del evento: + +Docker Desktop: https://www.docker.com/products/docker-desktop +Python 3.11+: https://www.python.org/downloads +Git: https://git-scm.com +Claude Desktop (gratuito): https://claude.ai/download +VS Code (recomendado): https://code.visualstudio.com`, + "felix-mino": "Laptop con Docker Desktop instalado.", + "roberto-bedoya-garcia": `Requisitos previos para el taller +Software (instalar antes del evento): + +Python 3.10 o superior +Docker Desktop (para levantar Elasticsearch, Kibana y Langfuse en local) +Git +Editor de código (VS Code recomendado) +Cuenta gratuita en Langfuse Cloud (alternativa a Docker si hay limitaciones de memoria): langfuse.com + +Conocimientos previos: + +Python intermedio (funciones, clases, manejo de librerías con pip) +Familiaridad básica con APIs REST y variables de entorno +Haber trabajado al menos una vez con un LLM (OpenAI, Anthropic o similar) — no es necesario ser experto + +Cuenta de API requerida: + +OpenAI API key con créditos disponibles (mínimo $5 USD) — también se puede usar Ollama con un modelo local si no se quiere gastar en API + +Hardware mínimo recomendado: + +8 GB de RAM (16 GB recomendado si se corre Docker + Ollama simultáneamente) +Conexión a internet estable + +Antes de llegar: +El repositorio del taller estará disponible en GitHub 48 horas antes del evento. Se recomienda hacer docker compose up en casa para validar que el entorno funciona correctamente y no perder tiempo de taller en instalaciones.`, + "hazel-saenz": `macOS / Linux / Windows +Python 3.10+ +Ollama (para capas 1-4) +AWS CLI configurado (para capas 5-6, usa Amazon Bedrock) +(Opcional) Cuenta de Spotify Developer`, + "emanuel-zapata-querubin": `No es necesario la instalación de software, pero si se requiere lo siguiente (contactarme si se desea un PDF o video con los pasos): +1. Crear o tener una cuenta de Databricks Free Edition +2. Crear o tener una cuenta de GitHub +3. Hacer un fork del siguiente repositorio en GitHub: https://github.com/Ezapataq07-lovelytics/databricks-mlops-talk +4. Clonar el repositorio propio (el fork) en el ambiente de Databricks Free Edition utilizando "Git folders"`, + "johnny-montoya": `Antes del taller, cada asistente debe traer: + +- Laptop con permisos de instalación, mínimo 8 GB RAM +- Python 3.12 instalado + git + un editor (VS Code recomendado) +- Docker +- Repo del workshop clonado y .venv listo (URL se confirma una vez aceptada la propuesta; el código base actual vive en centinela-io) +- Dataset de juguete (sample_data.csv, ~5 MB) descargado desde el repo. +IMPORTANTE: Habilitare un pool de keys temporales para asistentes sin presupuesto`, + "jonathan-vallejo-munoz": `Antes del workshop se recomienda tener instalado: +Git +Python 3.11 +Conda +Node.js y npm +Un editor de código como Cursor o Visual Studio Code +Docker Desktop +Una cuenta gratuita o versión paga de un asistente de inteligencia artificial como Cursor, GitHub Copilot, Claude o el de su preferencia. No es obligatorio tener una suscripción paga; por ejemplo, la capa gratuita de Cursor es suficiente para participar`, + "maris-botero": + "Los participantes deben llevar su propio computador portátil con Python 3.9 o superior instalado.", + "jose-hernan-ortiz-ocampo": + "No hay requerimientos específicos de software para el taller.", + "jesus-alfredo-reyes-vargas": + "Instalar: Claude Code o Codex (o cualquier agente de código), VS Code (u otro editor de código), acceso a internet de respaldo. UV package manager.", + "jose-arturo-osorio-londono": "Databricks Community, Python local.", + "biviana-marcela-suarez-sierra": `Se recomienda traer un computador portátil con una cuenta de Google para acceder a Google Colab, donde estarán disponibles todos los notebooks. Los participantes que utilicen Colab no necesitan instalar nada previamente. Para quienes prefieran trabajar en un entorno local, se recomienda tener instalado Python 3.10 o superior. Se asume familiaridad básica con Python. No se requiere experiencia previa en procesamiento de lenguaje natural. Se recomienda tener un grupo de textos para el análisis.`, + "felipe-sanchez": + "Necesitan VS Code y Claude instalados en su computador. Nada mas y todo sera gratuito", + "francisco-javier-moya-ortiz": + "Se necesita una cuenta de Sigma Public, solo deben crear una cuenta con su correo: https://public.sigmacomputing.com/", + "elkin-javier-guerra-galeano": + "Python +3.10, Ollama instalado, Docker instalado.", +}; + +export const workshopRequirementsByLocale: Record< + SiteLocale, + Record +> = { + en: workshopRequirementsEn, + es: workshopRequirementsEs, +}; diff --git a/src/assets/data/workshop-speakers-content.locale.ts b/src/assets/data/workshop-speakers-content.locale.ts index 5f5acb3..09814a7 100644 --- a/src/assets/data/workshop-speakers-content.locale.ts +++ b/src/assets/data/workshop-speakers-content.locale.ts @@ -1,601 +1,638 @@ import type { SiteLocale } from "@/lib/site-messages"; import type { SpeakerContentBySlug } from "./speakers-content.locale"; +import { workshopRequirementsByLocale } from "./workshop-requirements"; +function applyWorkshopRequirements( + content: SpeakerContentBySlug, + locale: SiteLocale, +): SpeakerContentBySlug { + const requirements = workshopRequirementsByLocale[locale]; + return Object.fromEntries( + Object.entries(content).map(([slug, entry]) => [ + slug, + requirements[slug] + ? { + ...entry, + workshopRequirements: requirements[slug], + } + : entry, + ]), + ) as SpeakerContentBySlug; +} + +const workshopContentEn: SpeakerContentBySlug = { + "david-felipe-vanegas-ramirez": { + title: "Advanced Data Engineer @ Loka", + description: + "David is a data engineer at Loka, a technology consulting firm, where he designs and maintains data platforms on AWS for clients across multiple industries. With nearly five years of experience in the field, his day-to-day work revolves around Apache Iceberg, PySpark, Airflow, and production lakehouse architectures, not in tutorials, but in real systems with real incidents.\n\nI hold three AWS certifications, including Solutions Architect Associate and a Databricks certification, reflecting both my command of cloud infrastructure and my hands-on experience with distributed data processing. I have led projects ranging from ClickHouse replication pipelines to Iceberg table maintenance jobs running on Kubernetes, and have recently explored the intersection of data engineering and AI agents, building personal tooling on top of the Anthropic SDK.\n\nBased in Bogotá, I believe there is a shortage of practical Spanish-language technical content on modern data engineering, and that PyCon Colombia is exactly the right place to start closing that gap.", + talkTitle: "From S3 to AI Agent: Your First Queryable Lakehouse", + talkDescription: + "AI agents are only as good as the data they can query. The problem is that most agents built today are connected to outdated CSVs, unstructured databases, or simply nothing. What if your agent could query a real lakehouse — with versioning, schema evolution, and time travel — using natural language?\nIn this workshop we will build exactly that, from scratch, using only open source tools that run on your laptop.\nWhat we will build together:\nStarting from a fully local stack based on Docker Compose, we will set up a functional lakehouse architecture using MinIO as S3-compatible storage, Apache Iceberg as the table format, Project Nessie as a Git-like versioned catalog, and Trino as the SQL query engine. On top of that, we will build an MCP server in Python that exposes our Iceberg tables as tools queryable by an AI agent — and we will finish by connecting Claude so it can query our lakehouse in natural language.\nWhat you will learn:\n\nHow a modern lakehouse really works under the hood — without managed services hiding the magic\nHow Apache Iceberg enables schema evolution, time travel, and row-level deletes on object storage\nHow to build an MCP server in Python that turns SQL queries into tools for AI agents\nWhy this open source architecture mirrors exactly what companies like Netflix, Airbnb, and modern data teams use in production\n\nWhy open source?\nWe deliberately replace AWS S3 with MinIO, AWS Athena with Trino, and AWS Glue with Project Nessie — not because AWS is bad, but because understanding the real components makes you a better engineer, and because this workshop should be accessible to everyone, regardless of whether you have an AWS account or not.\nAt the end of the workshop you will have a functional lakehouse running on your machine, a working MCP server, and an architecture you can take directly to your next project.", + }, + "felix-mino": { + title: "Senior software engineer @ Stack Builders", + description: + "I’m Felix Miño, a senior software developer with over 7 years of experience building robust, scalable systems. I’m particularly interested in functional programming principles and advanced testing techniques to improve software reliability.\nI’ve worked with Python, Haskell, and Kotlin, exploring how functional concepts and testing strategies, like property-based testing, can lead to safer, more maintainable code. I’m especially interested in making these ideas practical and accessible for Python developers.\nSince 2022, I’ve led the Quito Lambda Meetup in Ecuador, where I help grow a Spanish-speaking community around functional programming and modern software practices.", + talkTitle: "Stop mocking, start containerizing", + talkDescription: + "“Write tests. Not too many. Mostly integration.” Kent C. Dods \n\nWhile unit tests have their place, integration tests validate how your systems behave under real-world conditions. Yet too often, developers fall back on mocks that simulate dependencies rather than testing with the actual services their code interacts with.\n\nIn this workshop, we’ll explore a better approach: Testcontainers is a powerful Python library that enables you to run real Docker containers as part of your test suite. Whether you're testing against PostgreSQL, Redis, or HTTP APIs, you’ll learn how to spin up disposable, isolated environments that bring realism and confidence to your testing practice.\n\nWhether you're testing microservices, monolithic backends, or data pipelines, this workshop will show you how to build tests that don’t just pass but prove your system works.\n\nBring your laptop and a running Docker engine, we’re going to get our hands dirty!\n\n", + }, + "roberto-bedoya-garcia": { + title: "Ingeniero de Automatización @ NowBit", + description: + "PyCon Colombia has been part of my professional growth in a concrete way: I presented workshops at the 2024 and 2025 editions, and each time I confirmed that this community has a real appetite for learning things they can apply the very next day at work.\nMy path in technology did not start in AI or LLMs. It started providing technical support in the Colombian Air Force, teaching in classrooms, writing software tests, automating processes with RPA. That journey gave me something I value more than any framework: the ability to translate real problems into solutions that people understand and can operate. Today, as an Automation Engineer at Nowbit, that same principle guides the work we do building RAG systems, AI pipelines, and Python automations on AWS, Azure, and Elastic.\nThis year I want to present without the backing of a sponsor — on my own conviction and on behalf of Nowbit. The topic I propose comes directly from what we experience in production: teams that manage to get an LLM working but do not know how much it costs them, why it fails, or how to improve it. LLM system observability with Python, OpenTelemetry, and Elasticsearch is not an academic topic for me — it is something we have had to build and learn along the way.\nI believe PyCon Colombia deserves more voices speaking from real practice, from Colombian projects, from error and adjustment. That is what I want to contribute.", + talkTitle: "Your LLM Is Bleeding Money and Python Can Stop It", + talkDescription: + 'You put your LLM in production. It responds, it works, users use it. But there are questions you cannot answer: how much did it cost you exactly last week? Which prompt consumes the most tokens? Why was that response terrible on Tuesday at 3pm? How do you show the business that the system is improving?\nMost teams working with LLMs today operate blind. They deploy, receive complaints, adjust prompts without data, and get API bills that no one can explain. That is not engineering — it is expensive intuition.\nIn this workshop you will build, line by line in Python, a complete observability system for LLM applications using OpenTelemetry, Langfuse, and Elasticsearch. No theory, no endless slides — real code you can take to your project the following Monday.\nWhat you will build:\nWe start from a document Q&A agent that appears functional but is completely blind. During the workshop we instrument it step by step: first with Langfuse @observe decorators to capture every prompt, response, and token count; then we export those traces via OpenTelemetry to Elasticsearch, where we build a live Kibana dashboard showing cost per user, p95 latency per model, and low-quality response rate. Finally we implement an automatic evaluation layer with LLM-as-a-judge so the system audits itself.\nAt the end of the workshop you have a functional, open source, self-hostable stack — without depending on closed SaaS platforms — that any team can adopt regardless of whether they use OpenAI, Anthropic, or local models via Ollama.\nWhat you take away:\nComplete GitHub repository with Docker Compose ready to spin up the environment, notebooks with each workshop step, and an exportable Kibana dashboard template. Everything in Spanish, documented so you can share it with your team.\nWho is this workshop for?\nFor Python developers who already have basic experience with LLMs and APIs, and who are ready to take the step from "my POC works" to "my production system is reliable, measurable, and defensible to the business." You do not need prior experience with OpenTelemetry or Elasticsearch — we explain them from scratch in the context of LLMs.\nWhy does this matter now?\nGlobal spending on LLM APIs doubled in less than six months. 47% of companies are running observability pilots for AI but only 7% have it in production. The gap between making an LLM work and operating it responsibly is the most urgent technical problem the industry has today — and Python has all the tools to close it.', + }, + "hazel-saenz": { + title: "LATAM Developer Advocate @ Amazon Web Services", + description: + "Hazel Saenz is a LATAM Developer Advocate at Amazon Web Services (AWS) and Former AWS Serverless Hero, with more than 20 years of experience in application development and 6 years working with cloud technologies.\n\nShe specializes in serverless architectures, event-driven systems, and Generative AI on AWS, and actively participates as a speaker at AWS Summits, Community Days, and international conferences, sharing practical knowledge with the developer community in Latin America.", + talkTitle: "Build Your AI DJ: Agents in Python and Open Source", + talkDescription: + "What happens when a language model stops just talking about music and starts curating playlists with your real songs? In this workshop we build together, step by step, an AI agent that works as your personal DJ, using Python, 100% open source tools, and connected directly to Spotify. Layer by layer: from an agent that only converses, to one that searches songs, builds real playlists, and remembers your tastes. All local, all open source, all in Python. Each participant leaves with their own working agent.", + }, + "emanuel-zapata-querubin": { + title: "Machine Learning Engineer @ Lovelytics", + description: + "Physics Engineer and Machine Learning Engineer passionate about the social impact of technology. My trajectory in the data world has been a comprehensive journey: from data analysis and engineering to data science and specialization in MLOps, which allows me to understand the lifecycle of a model from all its angles. I am currently finishing my Master's in Analytics, combining academic rigor with the implementation of scalable solutions in industry. I firmly believe that data and innovation are engines for sustainable development. When I am not optimizing pipelines in Databricks or exploring new AI/ML architectures, you will find me on a field tennis court or enjoying a good television series.", + talkTitle: "From Notebook to Production: End-to-End MLOps on Databricks", + talkDescription: + 'Is your Machine Learning model trapped in a Notebook or does it actually generate value in production? Taking ML models into the real world requires more than just good training code; it demands a solid MLOps strategy. In this hands-on workshop, we will transform a use case from scratch into an industrial-grade solution using Databricks and MLflow.\n\nThrough a hands-on approach and using Databricks Free Edition, attendees will master the complete lifecycle (End-to-End) under professional standards.\n\nWorkshop Agenda:\n\n- Industrialization Fundamentals: Introduction to Lakehouse architecture, MLflow as an industry standard, and the role of the Feature Store in reproducibility.\n\n- Engineering and Governance: Creating a Feature Store and managing raw data with best practices.\n\n- Scalable Training: Developing models with exhaustive experiment tracking and a bonus on distributed training for large data volumes.\n\n- Deployment Strategies: Analysis of trade-offs between Batch Inferencing and Real-time Serving (Model Serving). We will implement "Deploy Code" and "Deploy Artifacts" patterns.\n\n- Modern Operationalization: Professional orchestration through Databricks Asset Bundles (DABs), the definitive tool for infrastructure as code on Databricks.\n\n- The finishing touch (CI/CD): How to integrate everything into a continuous deployment pipeline to guarantee quality across multiple environments.\n\nOutcome for attendees:\nUpon completion, each participant will have the source code, infrastructure configuration, and a productized, orchestrated ML model ready to be replicated in real environments.', + }, + "santiago-suarez-sampayo": { + title: "Senior AI Engineer @ Aimpoint Digital", + description: + "Senior AI Engineer at Aimpoint Digital, building production AI agent systems for Fortune 500 companies in global retail and consumer electronics. My agents reach more than 10,000 users worldwide and turn tasks that took days into work that finishes in hours, spanning data analyst agents, coding assistants, and internal workflow automation. On the side, I build personal projects around AI and WhatsApp automation, which is what inspired this workshop. I led last year's PyCon Colombia workshop on AI agents with LangGraph and MCP.", + talkTitle: + "Build an OpenClaw-style Coding Assistant on WhatsApp with Claude Agent SDK", + talkDescription: + "In this hands-on 2-hour workshop, participants will build a personal coding assistant using Claude Agent SDK (powered by Claude Code) and turn it into a powerful OpenClaw-style agent they can talk to through WhatsApp.\nWe'll start by building the core agent in Python with Claude Agent SDK, then progressively add advanced capabilities: memory so it remembers context across conversations, subagents to handle specialized tasks, hooks to customize its behavior, and other advanced agent features that make it genuinely useful.\nOnce the agent is solid, we'll connect it to WhatsApp using Evolution API (Baileys-based, attendees just scan a QR code) so they can interact with it naturally from their phone, just like talking to a colleague.\nBy the end of the session, attendees will use their assistant to build a real web app, demonstrating how a well-designed agent can become a true coding copilot. They'll leave with a working OpenClaw-style assistant connected to their WhatsApp, a real web app they built with it, and a framework they can extend to other personal and professional use cases.", + }, + "johnny-montoya": { + title: "Ingeniero de I+D en IA / AI R&D Engineer @ Unloquer", + description: + "Johnny Alexander Montoya Franco is an AI R&D Engineer at LaHaus, where he leads the GenAI and Voice AI strategy for Colombia's leading PropTech: an end-to-end real estate call platform with 2.5k+ conversations/month and sub-second latency, and LaHaus-Arena, a proprietary framework that evaluates 20+ LLM model families from 5 providers with over 98% completeness.\n\nBefore LaHaus, he was Senior Data Engineering Lead at Nequi (Bancolombia), where he built from scratch the data infrastructure of Colombia's first digital bank until scaling it to 20M+ users and peaks of 1.5M+ operations/hour, including the real-time fraud detection pipeline.\n\nHe has 14 years transforming industries with data and AI, has been a speaker at PyCon Colombia 2023 and 2024, was selected by Bancolombia for the Plug & Play Accelerator in Palo Alto (2018), regularly attends the AI Engineer World's Fair and The AI Conference in Silicon Valley, and is a long-time open source advocate at the Unloquer Hackerspace in Medellín (Airflow, dbt, Metabase, LangChain). He is currently building Centinela, a multi-tenant AI agent platform in production for clients in Colombia, and it is the technical foundation of this workshop.", + talkTitle: "Executable Skills: Teaching an Agent How Your Company Works", + talkDescription: + "The problem, in YC's words (February 2026): \"Every company has scattered know-how — in people's heads, in old emails, in Slack threads, in support tickets, and in databases. The company works because humans vaguely remember where that knowledge is. But AI agents do not operate that way.\" The solution is a Company Brain: a system that extracts knowledge from all those fragmented sources, structures it, keeps it up to date, and turns it into an executable skills archive for AI.\n\nThis workshop builds, in two hours, a minimal but real Company Brain with pure Python. It is not theory: the code comes from Centinela, a platform already in production serving agricultural operations in Colombia and beverage distributors in Bolivia, and combines the same pieces that at LaHaus have allowed me to bring voice agents to 2.5k+ calls/month with a real SLA.\n\nStack we will touch (all Python or accessible from Python):\n\n- Chainlit ≥ 2.9 as conversational interface and thread/step data layer\n- deepagents (0.4.x) as orchestrator for stateful agentic loops\n- langchain-anthropic + fallback to Gemini via langchain-google-genai\n- e2b-code-interpreter as a real sandbox (not mock) to run Python with auditable side effects\n- Supabase (Postgres + RLS) as multi-tenant control plane\n- asyncpg for a conversation persistence layer on PostgreSQL\n- MCP (Model Context Protocol) via langchain-mcp-adapters to plug in external tools", + }, + "nicolas-roldan-fajardo": { + title: "Advanced Machine Learning Engineer @ Loka INC", + description: + "I’m a ML Engineer with a background in Biomedical Engineering. Back in my later years of college, I started focusing on Biomedical Signal and Image Processing and its different applications. This, in turn, led me to develop a strong interest in machine learning, whose roots have been entangled with my dear Signal Processing from the beginning. Nowadays I spend my days shipping (or at least trying) ML models to production for diverse use cases, going from Computer Vision applications in traffic analysis, Drug Discovery using Deep learning based protein embeddings, and automating medical scribe applications using agentic AI", + talkTitle: + "The Fellowship of Agentic Evaluations: How to evaluate an agent?", + talkDescription: + "Autonomous agents are redefining what we can build with LLMs, allowing AI not only to respond but to reason and execute actions across complex flows. However, as we give them more autonomy with tools like LangGraph, a critical engineering problem arises: How do we know if the agent is truly reliable?\n\nIn this workshop, we will address the challenge of agent evaluation. We do not want to limit ourselves to checking whether the final response sounds good, but to implement different ways of evaluating these agents, ranging from deterministic validations to metrics based on other LLMs (LLM-as-a-judge).\n\nFor this exercise, we will apply these concepts to the universe of The Lord of the Rings mixed with real medical standards to validate mainly:\n\n- Data Integrity: Validate that the agent correctly extracts and formats structured medical codes.\n\n- Fidelity: evaluate that the agent does not hallucinate diagnoses.\n\n- Observability: Trace and cost monitoring with Langfuse.\n\nUpon completion, attendees will have a clear idea of how to answer the question: How to evaluate an agent?", + }, + "maria-fernanda-rojas-castro": { + title: "Advanced Data Engineer @ Loka INC", + description: + "I'm a Data & ML Engineer with a background in Biomedical Engineering. I work in tech consulting, where I design and build data workflows and experiment with applying machine learning and GenAI in practical ways. I’m especially interested in LLMs, knowledge graphs, and making complex ideas easier to understand, sometimes with the help of pop culture.\n\nOutside of work, I love dancing, reading fiction, watching movies, and obsessing over Formula 1. I like finding creative ways to learn and teach, and I bring that spirit into every project or talk I’m part of.", + talkTitle: "", + talkDescription: "", + }, + "jonathan-vallejo-munoz": { + title: "Senior Director of Software Engineering @ Lendingfront", + description: + 'I am passionate about software development, leadership, and personal growth. I deeply believe that every person, if they truly decide to, has the ability to actively build their life and reach great personal and professional goals. For me, everything begins with the ability to take action, have initiative, autonomy, and take control of the decisions that define our path.\n\nOne of the principles that identifies me most is: "never stop learning." Learning constantly gives meaning to my life. I enjoy facing new challenges, stepping out of my comfort zone, and discovering new ways to grow both technically and as a person.\n\nI am also passionate about positively impacting the people around me. I like sharing my learnings, experiences, and mistakes, with the intention of contributing even a small grain of sand to others\' growth. This is part of my daily life from my leadership role at LendingFront, where I seek to empower teams, mentor people, and build a culture of continuous learning, but I also apply it in my personal life with those I have the opportunity to share and grow with.', + talkTitle: "Beyond Vibe Coding: Spec Driven Development with Code Graphs", + talkDescription: + "Artificial intelligence is changing the way we build software, but writing prompts and accepting code suggestions is not enough to work on real systems. In applications with multiple layers, dependencies, and business rules, the real challenge is not just generating code, but understanding where to change it, how it impacts the system, and how to validate it correctly.\n\nIn this workshop you will explore an evolution of Spec Driven Development using Code Graphs as a structured context source. Starting from a web application built with FastAPI, you will work on a specific feature following a guided flow: requirement, specification, graph context, planning, tasks, implementation, and validation.\n\nDuring the session you will learn the Spec Driven Development flow, from defining the requirement to creating the specification, planning, generating tasks, implementation, and validation. You will also see how a code graph can represent files, functions, classes, relationships, and dependencies, allowing AI not to depend solely on textual context or isolated prompts. This will help you reduce common errors such as duplicating logic, modifying incorrect layers, or ignoring affected tests.\n\nUpon completion, you will understand how to move from improvised use of AI in development to a more structured, traceable, and reliable process. You will learn to combine specifications, real code context, and AI assistance to build software with greater technical clarity, better impact validation, and logic applicable to real projects.", + }, + "esneider-bravo-benitez": { + title: "Software Engineer @ Muno Labs", + description: + "Software Engineer with more than 8 years of experience building scalable, high-impact technology platforms, especially in the fintech sector. I am passionate about creating efficient solutions, leading technical teams, and promoting an innovation culture focused on real results.\n\nI currently have an AI-First focus, integrating Artificial Intelligence into products and processes to optimize operations and accelerate companies' technological evolution. Throughout my career I have worked on software architecture, platform scalability, process automation, and technical leadership of multidisciplinary teams.\n\nI want people to know me for my ability to transform complex ideas into scalable, efficient, future-oriented technology solutions. I am passionate about combining engineering, innovation, and artificial intelligence to build products that generate real impact and help companies grow sustainably.", + talkTitle: "", + talkDescription: "", + }, + "maris-botero": { + title: "Data Science Engineer @ Mercado libre", + description: + "I am Maris Botero, Data Science Engineer at Mercado Libre working at the intersection of data, intelligent systems, and creativity.\n\nMy work focuses on building machine learning solutions and designing intelligent agents that transform data into useful decisions. I am especially interested in making AI more understandable, practical, and accessible through applied learning experiences.\n\nIn addition to my technical work, I explore generative art as a way to unite code and creativity, creating visual experiences that connect technology with narrative. I also actively participate in technology communities, sharing knowledge through talks, workshops, and educational content.\n\nI believe technology should not only be powerful, but also transparent, creative, and people-centered. My goal is to help others not only use AI, but understand how to design and build it.", + talkTitle: "From Prompts to Agents: Intelligent Systems with Python", + talkDescription: + "Prompts are only the beginning. The real power of modern artificial intelligence lies in transforming those instructions into structured systems capable of reasoning, applying rules, and generating consistent decisions.\n\nIn this hands-on workshop, participants will go beyond basic prompt usage and learn to design and build intelligent agents using Python. Starting from a simple prompt, we will progressively evolve it into a functional agent that processes information, applies context, and generates structured responses.\n\nThrough a practical approach, we will learn to:\n\nDesign effective prompts with clear context, objectives, and constraints\nStructure responses in reliable formats (such as JSON)\nBuild a simple agent in Python that transforms questions into decisions\nIncorporate context and memory to improve results\nEvaluate the quality and consistency of responses\n\nAt the end of the workshop, each participant will have their own agent-style system, capable of converting inputs into useful recommendations, along with a reusable framework to apply to real problems.\n\nThis workshop is aimed at developers, data professionals, and curious people who want to move from using AI tools to designing intelligent systems. No prior AI experience is required, only basic Python knowledge and a desire to learn.\n\nMore than a technical session, this workshop proposes a new way of understanding AI: not only as a tool that responds, but as a system we can design.", + }, + "jose-hernan-ortiz-ocampo": { + title: "Senior Machine Learning Engineer @ Loka", + description: + "Jose is a Senior ML Engineer with experience building machine learning systems across multiple industries, from security applications, logistics optimization and healthcare. He works with internationally distributed, multidisciplinary teams on complex, fast-moving problems. Curious by nature, he is particularly interested in where AI tooling intersects with how developers actually work — and what the next generation of AI-assisted development will look like in practice.", + talkTitle: + "LangGraph and Strands Agents: Core Concepts, Patterns, and Tradeoffs", + talkDescription: + "The agent framework landscape has consolidated fast. Among the options available today, two stand out for their architectural depth and production relevance: LangGraph, with its graph-based, developer-controlled orchestration model; and Strands Agents, with its model-driven, minimal-scaffolding approach. They are not interchangeable — they represent different answers to the same fundamental question of how much control a developer should retain over agent behavior.\nThis workshop is a structured, hands-on exploration of both. Participants will work through a shared codebase covering real scenarios: tool calling, state management, multi-turn reasoning, and multi-agent coordination. Each scenario is implemented in both frameworks side by side, making the architectural differences concrete and comparable rather than theoretical.\nThe session is organized around three axes: core concepts (how each framework models state, tools, memory, and control flow), practical patterns (what each one makes easy, what it makes hard), and honest tradeoffs (where each framework earns its complexity and where it doesn't). No polished demos — just real code, real outputs, and an open discussion of what each approach costs and buys you.\nBy the end, participants will have a working mental model for both frameworks, hands-on exposure to their key patterns, and enough grounded perspective to make an informed architectural decision on their next agentic project.\nSuitable for: Python developers with some familiarity with LLMs or agent concepts. Production experience is a plus but not required — the workshop is designed to reward depth of engagement, not prior framework knowledge.\n", + }, + "isabel-mora": { + title: "Junior Machine Learning Engineer @ Loka", + description: + "Isabel is an ML Engineer at Loka, a machine learning consulting firm, where she has worked on projects spanning multiple industries and clients. She enjoys the full arc of ML work, from experimentation to building tools that make it into the hands of real users. Curious and hands-on, she is especially interested in AI agents and how they are changing the way developers build and think about software.", + talkTitle: "", + talkDescription: "", + }, + "jose-hernan-ortiz-ocampo-2": { + title: "Senior Machine Learning Engineer @ Loka Inc", + description: + "Jose is a Senior ML Engineer with experience building machine learning systems across multiple industries, from security applications, logistics optimization and healthcare. He works with internationally distributed, multidisciplinary teams on complex, fast-moving problems. Curious by nature, he is particularly interested in where AI tooling intersects with how developers actually work — and what the next generation of AI-assisted development will look like in practice.", + talkTitle: + "Multi-Agent Teams in AI-Assisted Development: A Glimpse Into the Future of Programming", + talkDescription: + "Programming has gone through a quiet but radical transformation in the last few years. We went from writing every line, to autocomplete, to AI proposing whole functions, to reviewing and steering AI-generated code. What comes next? Multi-agent systems, where you have a team of specialized agents working in parallel. This workshop is a hands-on, honest look at what that shift means today, and what it points to tomorrow.\nWe'll start by mapping the current landscape together: what tools exist, how they approach multi-agent orchestration, what each one gets right, and where the real tradeoffs are. The goal isn't to pick a winner — it's to build a shared vocabulary and a realistic picture of the state of the art.\nFrom there, we'll move into live demos. Rather than polished showcases, these are honest explorations: what these systems can actually do today, where they break down, and what those breakdowns tell us about the deeper challenges in multi-agent coordination. Token costs, context limits, agent miscommunication, and the question of how much to trust your agents — these are real problems worth examining together.\nThe talk closes with the bigger question: what does all of this mean for us as developers? What skills are becoming more important, which ones are becoming less so, and how do we stay relevant as the abstractions keep deepening? Not predictions, but a grounded reflection based on what's already visible in these early systems. The practical question isn’t whether this future is coming; it’s how to get ahead of it.\nAudience takeaways:\nA clear mental model for what multi-agent coding actually is (vs. single-agent tools and vs. orchestration frameworks)\nA working setup guide for multi agent works effectively\nPractical demos actually showcasing what to do with these tools\nA grounded perspective on what these experimental systems tell us about the next years of AI-assisted development and programming\nSuitable for: Python developers with some familiarity with AI tooling. No deep ML background required — this is a practical developer talk, not a research talk.", + }, + "daniel-sabogal": { + title: "Data & ML Intern @ Loka", + description: + "Daniel is a biologist by training and works at the intersection of life sciences, data, and software. He builds ML systems alongside internationally distributed multidisciplinary teams, spanning cloud infrastructure and bioinformatics research. He is especially interested in how AI tools are transforming the way developers actually work and what it means to stay effective as those tools, and the abstractions behind them, continue to evolve.", + talkTitle: "", + talkDescription: "", + }, + "jose-arturo-osorio-londono": { + title: "Senior Tech Lead @ Lovelytics", + description: + "Hello, I am José Arturo Osorio, Senior Tech Lead at Lovelytics, where I lead the Data Science, MLOps, and Generative Artificial Intelligence team for Latin America. With more than 8 years of experience in the data science field, I have grown alongside the evolution of the industry, working across the full spectrum of machine learning and artificial intelligence technologies.\n\nMy experience ranges from classical machine learning models, including classification and regression with tree-based algorithms, to statistical modeling such as time series analysis and survival models. I have also developed deep learning solutions for computer vision, especially in semantic segmentation and named entity recognition (NER). I have applied these technologies across diverse sectors, including banking, services, and healthcare, always with a direct focus on business needs and value generation for clients.\n\nFrom a technical perspective, I have designed and implemented cloud-native machine learning solutions using mainly Azure, AWS, and Databricks. I specialize in developing AI and machine learning systems that generate tangible business impact, with measurable results aligned with strategic objectives. I also hold a master's degree in areas related to analytics and artificial intelligence, as well as professional certifications in AWS, Databricks, and Microsoft Azure.", + talkTitle: + "From ETL to Agentic Workflows: The Evolution of Data Engineering in the Generative AI Era", + talkDescription: + "This hands-on workshop will explore how data engineering is evolving from traditional ETL-based pipelines toward intelligent agent-driven systems capable of reasoning, planning, and executing tasks autonomously.\nThrough hands-on exercises, participants will learn the fundamental concepts behind agentic workflows, the new architectural patterns emerging in the industry, and the modern Python libraries that enable building these types of solutions. Tools for agent creation, task orchestration, integration with language models, and automation of complex processes will be covered.\nUpon completion, attendees will have built functional examples and will understand how to apply these new capabilities to transform traditional data processes into more dynamic, autonomous, and scalable systems.", + }, + "biviana-marcela-suarez-sierra": { + title: + "Profesora vinculada al área de Computación y analística @ Universidad EAFIT", + description: + "Biviana Marcela Suárez Sierra is a statistician and data science researcher, with experience in statistical modeling, machine learning, and computational analysis of complex data. She is currently a university professor and leads interdisciplinary research projects that integrate statistics, programming, and data analysis to address problems in health, energy, the environment, and digital humanities.\n\nHer recent work has focused on developing methodologies for analyzing large textual corpora through natural language processing (NLP) techniques, text mining, and statistical learning. As a linked researcher on the project Art, science and technology in the public sphere: the contribution of Digital Humanities to the analysis of discourses in the public sphere in Colombia, she has led teams made up of students and researchers from diverse disciplines to study how discourses about science, culture, and society circulate in Colombian media.\n\nShe has more than a decade of experience in research and data analysis, both in the academic sector and in public and private entities. Her main interest is building bridges between computational tools and real problems, promoting collaboration spaces among data scientists, programmers, linguists, health professionals, and social science specialists.\n\nAt PyCon Colombia 2026 she will participate as director and moderator of a workshop on natural language processing for corpus analysis in Digital Humanities, sharing experiences on how Python can become a meeting tool between technology and the humanities.", + talkTitle: "NLP in Practice: From Corpus Linguistics to RAG with Python", + talkDescription: + "Natural language processing today offers a mature set of tools for analyzing textual corpora systematically and reproducibly, but the path between having the documents and obtaining results is not always clear. This workshop covers that path from start to finish. In two hours, participants will build an understanding of the NLP ecosystem: its history, logic, and methods. The session opens with a timeline from the earliest rule-based models to transformers, followed by a map of techniques organized by problem type (classification, entity extraction, semantic search, generation) so each participant can identify which method they need for a specific textual problem. The second part covers two implementations with Python. First, topic modeling with BERTopic, reviewing the internal pipeline of embeddings, UMAP, and HDBSCAN. Second, a conversational assistant with RAG: corpus indexing, semantic retrieval, and connection with a language model to answer queries about the documents. Upon completion, each participant will have a functional notebook with both pipelines and a clear map of the ecosystem to guide their own textual analysis projects.", + }, + "andres-felipe-puerta-velez": { + title: + "Asistente de investigación y estudiante de maestría en matemáticas aplicadas. @ Universidad EAFIT", + description: + "He is a master's student in applied mathematics and a research assistant, with experience in natural language processing (NLP), integration of heterogeneous databases, and data analysis. He currently works on using the Bayesian g-formula as a solution to the multiplicity of causal effect estimators and on using machine learning models to estimate pollutant gas emissions and fuel consumption for low-displacement motorcycles in the Colombian context.\n\nAs a research assistant and scholarship holder on the Comparative Analysis of Perceptions on Protective Behaviors against COVID-19 in Colombia project, he has worked on teams made up of students and researchers from diverse disciplines to study how public discourse circulates on social networks and how it behaved regarding care habits during the pandemic.\n\nAt PyCon Colombia 2026 he will participate as moderator of a workshop on natural language processing for corpus analysis in Digital Humanities, sharing experiences on how Python can become a meeting tool between technology and the humanities.", + talkTitle: "", + talkDescription: "", + }, + "dora-cecilia-alzate-gallo": { + title: "Estudiante de la Maestría en Estudios Humanísticos @ EAFIT", + description: + "Dora Cecilia Alzate, a student in the Master's in Humanistic Studies, linked to the language area and the School of Arts and Humanities, would share the main challenges and linguistic decisions that made it possible to adapt these tools to Spanish and improve the quality of results obtained in text processing.", + talkTitle: "", + talkDescription: "", + }, + "karen-melissa-gomez-montoya": { + title: + "Ingeniera matemática - Asistente en investigación @ Universidad EAFIT", + description: + "Karen Melissa Gomez Montoya is a mathematical engineer and master's student in Data Science and Analytics at EAFIT, where she also works as a research assistant on digital humanities and public sphere projects. Her work sits at the intersection between computational methods and textual corpus analysis.", + talkTitle: "", + talkDescription: "", + }, + "jesus-alfredo-reyes-vargas": { + title: "Lead Software Engineer @ EPAM Systems", + description: + "I am a Technical Lead and Computer Engineer graduated from UNET, and I have spent 9 years building resilient software and empowered teams.\nI am deeply passionate about technology education; I currently mentor engineers at EPAM and also founded PyDojo there, a community focused on promoting regional Python talent within the company.\nOutside the screen, I share my home and daily life with my wife and our four cats. I also practice karate, search for asteroids as a citizen scientist for IASC, and find my artistic balance painting, playing classical piano, and practicing operatic singing.", + talkTitle: "Future-proof Engineers with AI-DLC", + talkDescription: + 'The Problem\nToday, many engineers have fallen into a trap: they are using Artificial Intelligence simply as a "glorified autocomplete" to write code faster, leaving architectural design aside. The real challenge arises in the real world: technical teams often do not know how to take an AI-based idea to production safely, scalably, and maintainably.\n\nThe Solution: Future-proof Engineers with AI-DLC\nThis is a practical, intensive workshop designed to break that stagnation. Our goal is for you to stop being a passive consumer of AI tools and become an architect capable of applying the AI Development Lifecycle (AI-DLC) as a structured work framework. We will teach you to take control and increase ownership in your projects.\n\nWho is it for?\nMid and Senior software engineers looking to evolve their skills, master modern system design, and lead AI integration in their work teams.', + }, + "carlos-alberto-riveros-varela": { + title: "Senior Software Engineer @ EPAM Systems", + description: + "I am a Systems Engineer from Universidad Distrital and an Electronics Engineer from Universidad Nacional de Colombia. I currently work as a Senior Software Engineer at Epam, I have a master's degree in Software Engineering from Universidad de los Andes, and I tutor some courses there. I have worked for almost 10 years in the software development world for national and foreign companies in different verticals, in IC and TL roles with Python.\nI have two children. I love learning, traveling, and spending time with my family.", + talkTitle: "", + talkDescription: "", + }, + "felipe-sanchez": { + title: "Analytics Consultant @ Aimpoint Digital", + description: + "Felipe Sanchez is an Analytics Consultant and Claude Certified Architect with more than six years of experience designing data and analytics solutions for Fortune 100 organizations. His expertise spans analytics engineering, decision intelligence, agentic systems, and modern data platforms. Felipe specializes in translating complex business challenges into scalable technical solutions and is passionate about teaching practical AI engineering patterns that developers can apply in production. His work focuses on the intersection of Python, analytics, data systems, APIs, and agentic systems.", + talkTitle: + "Building Your First AI Tool Server: Creating a Pokédex with FastMCP and Python", + talkDescription: + "Do you want your AI applications to do more than answer questions? The Model Context Protocol (MCP) is becoming the standard for connecting language models with tools, APIs, and external systems.\n\nIn this workshop you will learn to build your first MCP server using FastMCP and Python. Through a completely hands-on experience, we will explore the fundamental concepts of the protocol, how to expose tools, and how to integrate them with compatible clients such as Claude.\n\nAs the main project, we will build an interactive Pokédex connected to the PokéAPI. Participants will develop real tools to query Pokémon information, expose them through an MCP server, and allow a language model to use them autonomously.\n\nUpon completion, you will have developed your own FastMCP server, understand the fundamentals of MCP, and have a solid foundation for creating AI-native applications connected to real data and services.\n\nSpots are limited... Gotta catch 'em all!\n", + }, + "daniel-galvis": { + title: "Senior Analytics Engineer @ Aimpoint Digital", + description: + "Daniel brings over five years of experience in consulting, optimization, data visualization, and data pipelines. He is passionate about all data fields, and his experience allows him to understand needs across Data Science, Data Engineering, and Data Analysis.", + talkTitle: "", + talkDescription: "", + }, + "francisco-javier-moya-ortiz": { + title: "Lead Analytics Consultant @ Aimpoint Digital", + description: + "I am Francisco Moya, Lead Analytics Consultant at Aimpoint Digital, where I design and build data and artificial intelligence solutions for companies that want to turn their information into real decisions and actions. Over my 5 years in the data world I have worked across the full analytics cycle: from modeling and transforming data to building dashboards and AI applications that people actually use in their daily work.\n\nI hold a Master's in Data Science and Analytics, am a Claude Certified Architect, and have the Sigma AI Apps certification, credentials that reflect something I am obsessed with: always being on the frontier of what AI makes possible. I am passionate, above all, about how artificial intelligence transforms processes and reinvents workspaces, and I enjoy taking those concepts from marketing to the keyboard so anyone can apply them.\n\nThat vocation for teaching I also live in the classroom: I am a university instructor in AI and data processing topics. I firmly believe in learning by building, and that is exactly the experience I want to bring to this workshop.\n\nOutside the data world, I am a black belt in taekwondo and I love dancing.", + talkTitle: "Dashboards That Think: Build Agentic Analytics with Sigma", + talkDescription: + "Traditional dashboards only show data: you ask, they answer, and you start over. In this hands-on workshop we will take the next leap: we will build an agentic dashboard in Sigma that reasons about data, applies business logic, and executes actions, without writing code.\n\nWorking on live data in the warehouse, you will learn step by step to: design a dashboard on Sigma's canvas; incorporate Sigma Agents to answer questions in natural language, chain multiple reasoning steps, and trigger workflows; and connect the dashboard with external tools and systems via MCP, all governed and without taking data out of your platform.\n\nIn the end you will have an intelligent dashboard working end to end that you can replicate in your own work. It is an ideal session to understand, hands on keyboard, what \"agentic analytics\" really means in today's AI conversations, and how anyone can build it without being a data engineer or analyst", + }, + "andres-vasquez-restrepo": { + title: "Machine Learning Engineering Manager @ Cuesta Partners", + description: + "Andrés is an applied AI engineer and researcher with a background in Artificial Intelligence, Bioinformatics, and Biotechnology. His early work in computational biology and machine learning grew into a broader focus on using AI to tackle complex, real-world problems across industries. As a startup co‑founder, he developed a strong, problem‑solving mindset, focused on shipping solutions that create tangible impact rather than just prototypes. Over the past years he has led the design and deployment of production-grade systems, including large-scale video and audio analysis pipelines, intelligent virtual assistants serving tens of thousands of users, and document automation platforms that reduced operational costs by more than 90%. His leadership in AI innovation has been recognized by the U.S. Department of State, which named him one of the Young Leaders of the Americas, and by the Royal Academy of Engineering in the United Kingdom for his contributions at the intersection of AI and innovation. Based in Medellín, Colombia, he divides his time between building AI products, mentoring others, and sharing his experience through talks and workshops on applied AI.", + talkTitle: + "PyBlend: Towards an AI Food Scientist for Nutritional Product Design", + talkDescription: + "Imagine having a “food scientist” built in Python who, instead of wearing a lab coat, uses DAGs, embeddings, and LLMs to help you design nutritious powder blends. In this talk I’ll present PyBlend, an AI agent that takes a nutritional brief in natural language (for example: “I want a vegan, high‑protein, low‑sugar blend that’s suitable for dehydration”) and turns it into a quantitative formulation ready for the lab: ingredients, raw and dehydrated proportions, nutritional profile, and estimated cost.\n\nWe’ll walk step by step through how to combine intelligent ingredient search (starting from one‑hot encodings and tabular features, all the way to text and nutrition embeddings), hybrid retrieval over food databases, and LLM agents orchestrated in a directed acyclic graph. Everything is implemented in Python, built on open-source libraries, and designed to be reproducible and extensible for anyone who wants to push language models beyond the classic “chatbot” use case.\n\nIf you’re interested in building Python agents that do real scientific/applied work, not just answer questions, if you work with tabular data, search, optimization, or simply want to see how an LLM can end up designing a functional food formulation, this talk is for you. You’ll leave with concrete ideas, architecture patterns, and code examples you can adapt to your own domains.", + }, + "cesar-mateo-gonzalez-rodriguez": { + title: "Senior Machine Learning @ GoDaddy", + description: + "I'm a high-performance machine learning athlete. I practice speed skating, where Colombia is a world power. I apply the same mindset and effort to machine learning, striving to be the best and build incredible things along the way. I've been involved in technology development for 10 years, 5 of them in machine learning, and I still want to continue impacting the world with what I build.", + talkTitle: + "How to Find Pearls on the Bottom of the Sea - Autoencoders as Anomaly Detection Model", + talkDescription: + 'In the AI/Machine Learning world, we often think of anomalies as errors that need to be fixed. But what if some of those anomalies are actually opportunities of immense value? Detecting these opportunities, these "pearls," is a huge challenge due to the vastness and complexity of the data ocean. There is a solution: anomaly detection models—positive ones in this case—and we will explore them in this session.', + }, + "juan-guillermo-gomez": { + title: "AI & Software Advisor @ DevHack", + description: + "I am an AI and Software Consultant dedicated to transforming businesses through intelligent and scalable solutions. As a Google Developer Expert (GDE) in Firebase, GCP, Kotlin, and AI, I am recognized by Google for my exemplary work and deep technical knowledge.\n\nMy professional focus lies at the intersection of Software Engineering and Artificial Intelligence. I provide expert consulting in Cloud Architecture and AI implementation, helping companies leverage Google technologies to solve real-world problems.\n\nCurrently, I am expanding my research capabilities by pursuing a Master's degree in Artificial Intelligence and Data Sciences at Universidad Autónoma de Occidente, building upon my previous Master's in Software Engineering from Universidad de San Buenaventura Cali. I am passionate about sharing this expertise, regularly speaking at local and global events to empower developer communities worldwide.", + talkTitle: "Patterns, Protocols and Tactics for Multi-Agent Systems", + talkDescription: + "As LLM applications evolve, Multi-Agent Systems (MAS) are becoming the new standard for complex automation. But how do agents effectively communicate and collaborate? This session breaks down the protocols and tactical patterns of MAS. From basic routing to advanced collaborative architectures, discover how to use Python to build systems where agents work in harmony.", + }, + "mauricio-repetto-ferrero": { + title: "ML Engineer @ Nortal / Universidad ORT Uruguay", + description: + "I'm a System Engineer from Universidad ORT Uruguay with a Master's degree in BigData. In addition I've two post-degrees, one in BigData Analytics and another in Artificial Intelligence. \n\nI am currently working as a Machine Learning Engineer at Nortal (prev. UruIT and Nearsure) and I am a professor at Universidad ORT Uruguay. \n\nI have an extensive experience in the development of Business Intelligence solutions for various clients in South America and the United States and since 2018 I have worked in several projects based on Artificial Intelligence in areas such as Computer Vision (CV), Natural Language Processing (NLP) and Audio Processing (AP), among others.", + talkTitle: + "Use it or lose it! Token diet with TOON to fatten your wallet and help AI understand more", + talkDescription: + 'What if we told you that every time you send JSON to an LLM you are paying an invisible "tax"? In the Generative AI era tokens are the new gold, and with standard JSON (with its redundant braces and repeated keys) you are burning them.\nIn this session we will review the history of data notation to understand why current tools are not optimized for LLMs and we will present TOON (Token-Oriented Object Notation), a notation that combines the best of two worlds: the readability of YAML and the density of CSV.\nBut we will not only talk theory, we will also work with real data and see how TOON manages to reduce token consumption compared to JSON. We will also demonstrate something important: spending less does not mean understanding less! Because just by using TOON many benchmarks show improvements in their metrics. It is time to put your data on a diet!', + }, + "dario-jesus-guzman-duran": { + title: "CEO @ Gudar Devs", + description: + "CEO of Gudar Devs SAS and software engineer with more than 10 years of technical experience. I lead teams specialized in developing scalable web applications, where I prioritize robustness and operational efficiency. In addition to my work at Gudar Devs, I am a university instructor and the current leader of Python Barranquilla, a community I have belonged to since 2016.", + talkTitle: "High-Performance Video Ingestion with Async Python", + talkDescription: + "How do you process multiple video sources in real time without saturating the CPU or losing frames along the way? In this session, we will explore how to break the limitations of traditional workflows through asynchronous architectures.\nWe will analyze how to design an efficient pipeline in Python that achieves concurrent ingestion, processing through AI models, and persistent video storage, all in a decoupled and scalable way. We will share the technical challenges and architecture strategies to move from blocking systems to a robust, high-performance data flow. If you want to take your computer vision projects to the next level and master the power of asyncio, this session is for you.", + }, + "juan-jose-barrientos-salazar": { + title: "AI Architect/Lead & Researcher @ The TRES Group", + description: + "Technical Lead and AI Architect with more than 3 years of experience designing and deploying artificial intelligence systems, software architectures, and production-ready automation ecosystems in enterprise environments. I specialize in connecting advanced Deep Learning and LLM theory with scalable real-world implementations, with a strong focus on reliability, maintainability, and measurable business impact.\n\nMy experience includes leading AI initiatives on Azure, designing multi-agent and RAG-based systems, and guiding technical teams through software design patterns, best practices, and production-grade engineering standards. I have delivered solutions capable of reducing days of manual work to minutes, maintaining high levels of accuracy and operational robustness.\n\nIn parallel, I lead research on Transformer optimization and LLM efficiency through mathematically rigorous, PhD-level work focused on improving the computational performance and internal mechanisms of these models. I am also passionate about AI outreach, technical mentoring, and translating complex systems into high-impact practical solutions.", + talkTitle: + "LLMs in Depth: How an LLM Works Mathematically (and Its Implementation with PyTorch)", + talkDescription: + 'Imagine a 30-minute space where mathematics, code, thought experiments, and one of the most attractive topics of the present converge during powerful minutes — that is what this presentation seeks.\n\nThe goal of this talk is to review each of the components of a Large Language Model (LLM), from the embedding system and the BPE algorithm to the attention mechanism that is the core of modern AI, passing through normalization and the small "tricks" used in both training and inference to improve results and make LLMs more optimal. Each of these components will be addressed from three perspectives: 1) the pure mathematics that composes the solution, 2) the interpretation of this mathematics (why it is useful and how we can visualize it), and 3) the implementation in code, where small code snippets will show how these systems are implemented in Python. At the end, an open-source code repository will be provided with the full implementation and training pipeline for a "playground model" implementing a GPT-style model.\n\nThe intention with this talk is not only to shed light on one of the most interesting and complex topics in the modern world, but also to provide tools to question how these systems work and promote research in this field.', + }, + "raul-rodriguez": { + title: "Technical Lead @ Mercado Libre", + description: + "I am Raul Rodriguez Lopez and I have spent more than 12 years getting my hands dirty with data. I did not arrive at Artificial Intelligence because it was trendy — I arrived because after a decade moving millions of records by hand, designing ETLs, migrating banking cores, and building highly complex pipelines, I understood there was a radically better way to do things.\nMy path started from the deepest level of data: I migrated the entire core of major products with DataStage, built data warehouses and dimensional models for the financial sector at companies like Banco Popular, Banco de Bogota, and Corredor Empresarial, automated ETL processes with Spark on AWS, and designed data architectures at Colfondos. Then I spent 3 and a half years at Banco de Bogotá, where I scaled from Data Engineer Lead to DataOps and MLOps Manager — leading teams, managing cloud budgets, implementing CI/CD, and taking data culture to another level.\nToday I am Technical Lead at Mercado Libre, one of the largest tech companies in Latin America. I design multi-cloud architectures, build multi-agent systems with Generative AI using LLMs, ADK, LiteLLM, and Model Context Protocols (MCPs), and lead research into new technological capabilities for the business. But what truly transformed me was not a promotion — it was a mindset shift.\nI adopted an AI-First philosophy: if a task can be enhanced, delegated, or automated with AI, there is no reason to do it the traditional way. That mindset led me to create NORTH, a methodology I have been iterating in real production, where Claude is not a chatbot I ask questions to — it is a copilot that maintains the context of my projects, proposes architectural decisions, manages backlog, and synchronizes the state of everything I build. I develop custom skills, automate flows with agents, and every day I find a new way to amplify what I can do as an engineer.\nThis is my first time as a speaker and I am not afraid to say it. I come with something no veteran speaker has: a real transformation story, from moving data with shell scripts in 2011 to orchestrating intelligent agents in 2026. I am not here to talk theory — I am here to show how a Colombian engineer, trained at SENA and Universidad Panamericana, came to lead AI at Mercado Libre by adopting a mindset anyone in this room can replicate.\nIf you think AI is only for Silicon Valley, I am proof that you are wrong.", + talkTitle: "NORTH: Claude as a Real Copilot", + talkDescription: + 'We all use AI to program. Few use it well.\nMost developers interact with Claude or any LLM as if it were Google with superpowers: they ask a question, receive an answer, copy and paste, unstructured prompts. The next day, the AI has no idea who you are, what project you are working on, or why you chose PostgreSQL over MongoDB last week. Every session starts from zero. Every time you re-explain the same thing. And the result is brilliant answers that do not know your code.\nHow serious is this? I measured it. I asked Claude exactly the same thing — "give me the complete project context" — with and without methodology. Without structured context, Claude detected 3 of 5 team members, found 3 different versions of the project without knowing which was real, could not identify technical debt, and had no idea about the current sprint. With NORTH, the answer was precise: complete team with roles, correct canonical version, 3 technical debt items with severity, defined sprint with priorities, and pending PR to merge. Usefulness score: 7/7 with NORTH vs 2.5/7 without it. Same tokens. Same cost. The difference is not money — it is useful information vs noise.\nWhat if with a single command — /north — Claude knew exactly where you left off and what comes next? That is NORTH. A methodology that turns Claude into a real development copilot. Not a chatbot that answers questions — an agent with live memory of your project.', + }, + "jeronimo-lopez-gomez": { + title: + "Estudiante, Joven Investigador @ Universidad de Antioquia, Grupo de Instrumentacion Cientifica y Microelectronica", + description: + "Currently completing my undergraduate degree in Physics at Universidad de Antioquia, I have experience in signal processing, high-performance data acquisition systems, and development of solutions for scientific instrumentation. I have worked on the design and implementation of solutions based on reconfigurable hardware, Xilinx System on Chip (SoC) architectures, with data analysis capabilities in Python, modeling, integrations with embedded systems, and computer vision. Passionate about technology, I consider physics a transversal training that strengthens analysis, modeling, and the ability to address complex problems in different technological contexts.", + talkTitle: "hls4ml: From Python Models to Hardware Acceleration", + talkDescription: + "This session presents a journey from developing machine learning models in Python to their implementation in hardware through the hls4ml tool. The goal is to show how models built in widely used frameworks such as TensorFlow, Keras, or PyTorch can be transformed into efficient hardware descriptions for deployment on reconfigurable devices.\nThe complete workflow will be covered, including model preparation, conversion to High Level Synthesis (HLS) code, and the main hardware optimization criteria such as quantization and precision reduction. The trade-offs between latency, energy consumption, and model accuracy will also be discussed.", + }, + "angie-katherine-reyes": { + title: "AI Builder & Team Lead @ Nequi", + description: + 'I have been in artificial intelligence for a good while — I started on the ML and data science side, and evolved until landing where excites me most today: GenAI and conversational agents. Now I lead a team where we build real things with language models, not just lab experiments.\nI move comfortably between theory and "okay, but how do we actually make this work?" I design agent architectures, work with LLMs, and think hard about how generative AI can solve concrete problems.\nIf you are here it is because you are curious too — so we are on the same wavelength.', + talkTitle: + "Fine-tuning at Nequi: Teaching a Small Model the Language of Our Transactions", + talkDescription: + "At Nequi, a transaction is not just an amount and a date — it is behavior, context, and sequence. Generalist models do not capture that semantics, and rigid rules do not scale with millions of users. In this workshop we explore hands-on how to fine-tune a small model so it learns the language of transactional events: their patterns, anomalies, and risk signals. Participants will work from dataset construction to model validation, understanding at each step which decisions matter and why", + }, + "elkin-javier-guerra-galeano": { + title: "Machine Learning Engineer | MLOps @ Nequi", + description: + "Passionate about artificial intelligence, software development, and the ever-evolving world of emerging technologies, I have over three years of experience in the Data, Machine Learning, and MLOps industry. My curiosity drives me to continuously learn and explore the latest advancements in AI, cloud computing, and automation.\n\nCurrently, I am deepening my expertise in MLOps, researching and implementing best practices to streamline the deployment and scaling of machine learning models. I have hands-on experience working with AWS and GCP, leveraging cloud technologies to build scalable and efficient AI-driven solutions.", + talkTitle: "", + talkDescription: "", + }, + "natalia-echeverri-duran": { + title: + "Estudiante @ Universidad de Antioquia, Grupo de Instrumentacion Cientifica y Microelectronica", + description: + "Hello! I am Natalia, a final-year Physics student at Universidad de Antioquia (Colombia), and I am currently taking an AI bootcamp. I am passionate about applying machine learning and data science to real-world problems, from physical systems to behavioral data. I believe physics teaches you to see the world through patterns and equations, and AI gives you the tools to act on them.", + talkTitle: "", + talkDescription: "", + }, +}; + +const workshopContentEs: SpeakerContentBySlug = { + "david-felipe-vanegas-ramirez": { + title: "Advanced Data Engineer @ Loka", + description: + "David es ingeniero de datos en Loka, una firma de consultoría tecnológica, donde diseña y mantiene plataformas de datos en AWS para clientes de múltiples industrias. Con casi cinco años de experiencia en el campo, su trabajo diario gira en torno a Apache Iceberg, PySpark, Airflow y arquitecturas lakehouse en producción, no en tutoriales, sino en sistemas reales con incidentes reales.\n\nCuento con tres certificaciones AWS, incluyendo Solutions Architect Associate y una certificación de Databricks, lo que refleja tanto mi dominio de la infraestructura en la nube como mi experiencia práctica con procesamiento de datos distribuido. He liderado proyectos que van desde pipelines de replicación en ClickHouse hasta trabajos de mantenimiento de tablas Iceberg ejecutándose en Kubernetes, y recientemente he explorado la intersección entre ingeniería de datos y agentes de IA, construyendo herramientas personales sobre el SDK de Anthropic.\n\nCon base en Bogotá, creo que hay una escasez de contenido técnico práctico en español sobre ingeniería de datos moderna, y que PyCon Colombia es exactamente el lugar adecuado para empezar a cerrar esa brecha.", + talkTitle: "De S3 a Agente de IA: Tu Primer Lakehouse Consultable", + talkDescription: + "Los agentes de IA son tan buenos como los datos que pueden consultar. El problema es que la mayoría de los agentes que se construyen hoy en día están conectados a CSVs desactualizados, bases de datos sin estructura o simplemente a nada. ¿Y si tu agente pudiera consultar un lakehouse real — con versionado, evolución de esquemas y viajes en el tiempo — usando lenguaje natural?\nEn este taller construiremos exactamente eso, desde cero, usando únicamente herramientas open source que corren en tu laptop.\nLo que construiremos juntos:\nPartiendo de un stack completamente local basado en Docker Compose, levantaremos una arquitectura lakehouse funcional usando MinIO como almacenamiento compatible con S3, Apache Iceberg como formato de tabla, Project Nessie como catálogo con control de versiones tipo Git, y Trino como motor de consultas SQL. Sobre esa base, construiremos un servidor MCP en Python que expone nuestras tablas Iceberg como herramientas consultables por un agente de IA — y terminaremos conectando Claude para que consulte nuestro lakehouse en lenguaje natural.\nLo que aprenderás:\n\nCómo funciona realmente un lakehouse moderno por dentro — sin servicios administrados que escondan la magia\nCómo Apache Iceberg habilita evolución de esquemas, time travel y deletes a nivel de fila sobre almacenamiento de objetos\nCómo construir un servidor MCP en Python que convierte consultas SQL en herramientas para agentes de IA\nPor qué esta arquitectura open source refleja exactamente lo que empresas como Netflix, Airbnb y equipos de datos modernos usan en producción\n\n¿Por qué open source?\nDeliberadamente reemplazamos AWS S3 con MinIO, AWS Athena con Trino y AWS Glue con Project Nessie — no porque AWS sea malo, sino porque entender los componentes reales te hace mejor ingeniero, y porque este taller debe ser accesible para todos, independientemente de si tienes una cuenta de AWS o no.\nAl final del taller tendrás un lakehouse funcional corriendo en tu máquina, un servidor MCP operativo y una arquitectura que puedes llevar directamente a tu próximo proyecto.", + }, + "felix-mino": { + title: "Senior software engineer @ Stack Builders", + description: + "Soy Felix Miño, desarrollador de software senior con más de 7 años de experiencia construyendo sistemas robustos y escalables. Me interesan particularmente los principios de programación funcional y las técnicas avanzadas de testing para mejorar la confiabilidad del software.\nHe trabajado con Python, Haskell y Kotlin, explorando cómo los conceptos funcionales y las estrategias de testing, como el property-based testing, pueden llevar a código más seguro y mantenible. Me interesa especialmente hacer estas ideas prácticas y accesibles para desarrolladores Python.\nDesde 2022, lidero el Quito Lambda Meetup en Ecuador, donde ayudo a hacer crecer una comunidad de habla hispana en torno a la programación funcional y las prácticas modernas de software.", + talkTitle: "Deja de hacer mocks, empieza a containerizar", + talkDescription: + '"Escribe tests. No demasiados. Principalmente de integración." Kent C. Dodds\n\nSi bien los tests unitarios tienen su lugar, los tests de integración validan cómo se comportan tus sistemas en condiciones del mundo real. Sin embargo, con demasiada frecuencia los desarrolladores recurren a mocks que simulan dependencias en lugar de probar con los servicios reales con los que interactúa su código.\n\nEn este workshop, exploraremos un enfoque mejor: Testcontainers es una potente librería de Python que te permite ejecutar contenedores Docker reales como parte de tu suite de tests. Ya sea que estés probando contra PostgreSQL, Redis o APIs HTTP, aprenderás a levantar entornos desechables y aislados que aportan realismo y confianza a tu práctica de testing.\n\nYa sea que estés probando microservicios, backends monolíticos o pipelines de datos, este workshop te mostrará cómo construir tests que no solo pasan, sino que demuestran que tu sistema funciona.\n\n¡Trae tu laptop y un motor Docker en ejecución, vamos a ensuciarnos las manos!\n\n', + }, + "roberto-bedoya-garcia": { + title: "Ingeniero de Automatización @ NowBit", + description: + "PyCon Colombia ha sido parte de mi crecimiento profesional de una manera concreta: presenté workshops en las ediciones 2024 y 2025, y cada vez confirmé que esta comunidad tiene un apetito real por aprender cosas que pueda aplicar al día siguiente en su trabajo.\nMi camino en tecnología no empezó en IA ni en LLMs. Empezó dando soporte técnico en la Fuerza Aérea Colombiana, enseñando en aulas, escribiendo pruebas de software, automatizando procesos con RPA. Ese recorrido me dio algo que valoro más que cualquier framework: la capacidad de traducir problemas reales en soluciones que la gente entiende y puede operar. Hoy, como Ingeniero de Automatización en Nowbit, ese mismo principio guía el trabajo que hacemos construyendo sistemas RAG, pipelines de IA y automatizaciones en Python sobre AWS, Azure y Elastic.\nEste año quiero presentarme sin el respaldo de un patrocinador — por convicción propia y en nombre de Nowbit. El tema que propongo nace directamente de lo que vivimos en producción: equipos que logran hacer funcionar un LLM pero que no saben cuánto les cuesta, por qué falla ni cómo mejorarlo. La observabilidad de sistemas LLM con Python, OpenTelemetry y Elasticsearch no es un tema académico para mí — es algo que hemos tenido que construir y aprender en el camino.\nCreo que PyCon Colombia merece más voces que hablen desde la práctica real, desde proyectos colombianos, desde el error y el ajuste. Eso es lo que quiero aportar.", + talkTitle: "Tu LLM está sangrando dinero y Python puede pararlo", + talkDescription: + 'Pusiste tu LLM en producción. Responde, funciona, los usuarios lo usan. Pero hay preguntas que no puedes responder: ¿cuánto te costó exactamente la semana pasada? ¿Qué prompt consume más tokens? ¿Por qué esa respuesta fue terrible el martes a las 3pm? ¿Cómo demuestras al negocio que el sistema está mejorando?\nLa mayoría de equipos que trabajan con LLMs hoy operan a ciegas. Hacen deploys, reciben quejas, ajustan prompts sin datos, y reciben facturas de API que nadie sabe explicar. Eso no es ingeniería — es intuición cara.\nEn este taller vas a construir, línea por línea en Python, un sistema completo de observabilidad para aplicaciones LLM usando OpenTelemetry, Langfuse y Elasticsearch. No teoría, no slides interminables — código real que puedes llevar a tu proyecto el lunes siguiente.\nLo que vas a construir:\nPartimos de un agente de Q&A sobre documentos, aparentemente funcional pero completamente ciego. Durante el taller lo instrumentamos paso a paso: primero con decoradores @observe de Langfuse para capturar cada prompt, respuesta y conteo de tokens; luego exportamos esas trazas vía OpenTelemetry a Elasticsearch, donde construimos en vivo un dashboard en Kibana que muestra costo por usuario, latencia p95 por modelo y tasa de respuestas de baja calidad. Finalmente implementamos una capa de evaluación automática con LLM-as-a-judge para que el sistema se audite solo.\nAl final del taller tienes un stack funcional, open source y self-hosteable — sin depender de plataformas SaaS cerradas — que cualquier equipo puede adoptar independientemente de si usa OpenAI, Anthropic, o modelos locales vía Ollama.\nLo que te llevas:\nRepositorio completo en GitHub con Docker Compose listo para levantar el entorno, notebooks con cada paso del taller, y una plantilla de dashboard Kibana exportable. Todo en español, documentado para que lo puedas compartir con tu equipo.\n¿Para quién es este taller?\nPara developers Python que ya tienen experiencia básica con LLMs y APIs, y que están listos para dar el paso de "mi POC funciona" a "mi sistema en producción es confiable, medible y defendible ante el negocio". No necesitas experiencia previa con OpenTelemetry ni Elasticsearch — los explicamos desde cero en el contexto de LLMs.\n¿Por qué importa esto ahora?\nEl gasto global en APIs de LLMs se duplicó en menos de seis meses. El 47% de las empresas está haciendo pilotos de observabilidad para IA pero solo el 7% lo tiene en producción. La brecha entre hacer funcionar un LLM y operarlo responsablemente es el problema técnico más urgente que tiene la industria hoy — y Python tiene todas las herramientas para cerrarlo.', + }, + "hazel-saenz": { + title: "LATAM Developer Advocate @ Amazon Web Services", + description: + "Hazel Saenz es LATAM Developer Advocate en Amazon Web Services (AWS) y Former AWS Serverless Hero, con más de 20 años de experiencia en desarrollo de aplicaciones y 6 años trabajando con tecnologías cloud.\n\nSe especializa en arquitecturas serverless, sistemas orientados a eventos y Generative AI en AWS, y participa activamente como speaker en AWS Summits, Community Days y conferencias internacionales, compartiendo conocimiento práctico con la comunidad de desarrolladores en Latinoamérica.", + talkTitle: "Crea tu DJ con IA: Agentes en Python y Open Source", + talkDescription: + "¿Qué pasa cuando un modelo de lenguaje deja de solo hablar de música y empieza a curar playlists con tus canciones reales? En este workshop construimos juntos, paso a paso, un agente de IA que funciona como tu DJ personal, usando Python, herramientas 100% open source, y conectado directamente a Spotify. Capa por capa: desde un agente que solo conversa, hasta uno que busca canciones, arma playlists reales, y recuerda tus gustos. Todo local, todo open source, todo en Python. Cada participante sale con su propio agente funcionando.", + }, + "emanuel-zapata-querubin": { + title: "Machine Learning Engineer @ Lovelytics", + description: + "Ingeniero Físico y Machine Learning Engineer apasionado por el impacto social de la tecnología. Mi trayectoria en el mundo de los datos ha sido un recorrido integral: desde el análisis y la ingeniería de datos hasta la ciencia de datos y la especialización en MLOps, lo que me permite entender el ciclo de vida de un modelo desde todas sus aristas. Actualmente finalizo mi Maestría en Analítica, combinando el rigor académico con la implementación de soluciones escalables en la industria. Creo firmemente que los datos y la innovación son motores para el desarrollo sostenible. Cuando no estoy optimizando pipelines en Databricks o explorando nuevas arquitecturas de IA/ML, me encontrarás en una cancha de tenis de campo o disfrutando de una buena serie de televisión.", + talkTitle: "De Notebook a Producción: MLOps End-to-End en Databricks", + talkDescription: + '¿Tu modelo de Machine Learning vive atrapado en un Notebook o realmente genera valor en producción? Llevar modelos de ML al mundo real requiere más que solo buen código de entrenamiento; exige una estrategia sólida de MLOps. En este workshop práctico, transformaremos un caso de uso desde cero hasta convertirlo en una solución de grado industrial utilizando Databricks y MLflow.\n\nA través de un enfoque hands-on y utilizando la Databricks Free Edition, los asistentes dominarán el ciclo de vida completo (End-to-End) bajo estándares profesionales.\n\nAgenda del Workshop:\n\n- Fundamentos de Industrialización: Introducción a la arquitectura Lakehouse, MLflow como estándar de industria y el rol del Feature Store en la reproducibilidad.\n\n- Ingeniería y Gobernanza: Creación de una Feature Store y gestión de datos crudos con mejores prácticas.\n\n- Entrenamiento Escalable: Desarrollo de modelos con tracking exhaustivo de experimentos y un bonus sobre entrenamiento distribuido para grandes volúmenes de datos.\n\n- Estrategias de Despliegue: Análisis de trade-offs entre Batch Inferencing y Real-time Serving (Model Serving). Implementaremos patrones de "Deploy Code" y "Deploy Artifacts".\n\n- Operacionalización Moderna: Orquestación profesional mediante Databricks Asset Bundles (DABs), la herramienta definitiva para infraestructura como código en Databricks.\n\n- El toque final (CI/CD): Cómo integrar todo en un pipeline de despliegue continuo para garantizar calidad en múltiples ambientes.\n\nResultado para el asistente:\nAl finalizar, cada participante tendrá en sus manos el código fuente, la configuración de infraestructura y un modelo de ML productivizado y orquestado, listo para ser replicado en entornos reales.', + }, + "santiago-suarez-sampayo": { + title: "Senior AI Engineer @ Aimpoint Digital", + description: + "Senior AI Engineer en Aimpoint Digital, construyendo sistemas de agentes de IA en producción para empresas Fortune 500 en retail global y electrónica de consumo. Mis agentes llegan a más de 10,000 usuarios en todo el mundo y convierten tareas que tomaban días en trabajo que termina en horas, abarcando agentes analistas de datos, asistentes de codificación y automatización de flujos internos. Por mi cuenta, construyo proyectos personales en torno a IA y automatización de WhatsApp, que es lo que inspiró este workshop. Lideré el workshop de PyCon Colombia del año pasado sobre agentes de IA con LangGraph y MCP.", + talkTitle: + "Construye un asistente de codificación estilo OpenClaw en WhatsApp con Claude Agent SDK", + talkDescription: + "En este workshop práctico de 2 horas, los participantes construirán un asistente de codificación personal usando Claude Agent SDK (impulsado por Claude Code) y lo convertirán en un potente agente estilo OpenClaw con el que pueden hablar a través de WhatsApp.\nEmpezaremos construyendo el agente central en Python con Claude Agent SDK, luego agregaremos progresivamente capacidades avanzadas: memoria para recordar contexto entre conversaciones, subagentes para manejar tareas especializadas, hooks para personalizar su comportamiento, y otras funciones avanzadas de agentes que lo hacen genuinamente útil.\nUna vez que el agente esté sólido, lo conectaremos a WhatsApp usando Evolution API (basado en Baileys, los asistentes solo escanean un código QR) para que puedan interactuar con él naturalmente desde su teléfono, como hablando con un colega.\nAl final de la sesión, los asistentes usarán su asistente para construir una aplicación web real, demostrando cómo un agente bien diseñado puede convertirse en un verdadero copiloto de codificación. Se irán con un asistente estilo OpenClaw funcionando conectado a su WhatsApp, una aplicación web real que construyeron con él, y un framework que pueden extender a otros casos de uso personales y profesionales.", + }, + "johnny-montoya": { + title: "Ingeniero de I+D en IA / AI R&D Engineer @ Unloquer", + description: + "Johnny Alexander Montoya Franco es Ingeniero de I+D en IA en LaHaus, donde lidera la estrategia de GenAI y Voice AI del PropTech líder de Colombia: una plataforma end-to-end de llamadas inmobiliarias con 2.5k+ conversaciones/mes y latencia sub-segundo, y LaHaus-Arena, un framework propio que evalúa 20+ familias de modelos LLM de 5 proveedores con más del 98% de completitud.\n\nAntes de LaHaus, fue Líder Senior de Ingeniería de Datos en Nequi (Bancolombia), donde construyó desde cero la infraestructura de datos del primer banco digital de Colombia hasta llevarla a 20M+ usuarios y picos de 1.5M+ operaciones/hora, incluyendo el pipeline de detección de fraude en tiempo real.\n\nLleva 14 años transformando industrias con datos e IA, ha sido speaker en PyCon Colombia 2023 y 2024, fue seleccionado por Bancolombia para el Plug & Play Accelerator en Palo Alto (2018), asiste regularmente al AI Engineer World's Fair y The AI Conference en Silicon Valley, y es advocate de larga data del open source en el Unloquer Hackerspace de Medellín (Airflow, dbt, Metabase, LangChain). Actualmente construye Centinela, una plataforma multi-tenant de agentes IA en producción para clientes en Colombia, y es la base técnica de este taller.", + talkTitle: + "Skills ejecutables: cómo enseñarle a un agente cómo funciona tu empresa", + talkDescription: + 'El problema, en palabras de YC (febrero 2026): "Cada empresa tiene know-how disperso — en cabezas, en correos viejos, en hilos de Slack, en tickets de soporte y en bases de datos. La empresa funciona porque los humanos recuerdan vagamente dónde está ese conocimiento. Pero los agentes de IA no operan así." La solución es un Company Brain: un sistema que extrae el conocimiento de todas esas fuentes fragmentadas, lo estructura, lo mantiene vigente, y lo convierte en un archivo de skills ejecutable para la IA.\n\nEste taller construye, en dos horas, un Company Brain mínimo pero real con Python puro. No es teoría: el código viene de Centinela, una plataforma que ya está en producción atendiendo a operaciones agrícolas en Colombia y distribuidoras de bebidas en Bolivia, y combina las mismas piezas que en LaHaus me han permitido llevar agentes de voz a 2.5k+ llamadas/mes con SLA real.\n\nStack que vamos a tocar (todo Python o accesible desde Python):\n\n- Chainlit ≥ 2.9 como interfaz conversacional y data layer de hilos/pasos\n- deepagents (0.4.x) como orquestador de loops agénticos con estado\n- langchain-anthropic + fallback a Gemini vía langchain-google-genai\n- e2b-code-interpreter como sandbox real (no mock) para ejecutar Python con efectos laterales auditables\n- Supabase (Postgres + RLS) como control plane multi-tenant\n- asyncpg para una capa de persistencia de conversaciones sobre PostgreSQL\n- MCP (Model Context Protocol) vía langchain-mcp-adapters para enchufar herramientas externas', + }, + "nicolas-roldan-fajardo": { + title: "Advanced Machine Learning Engineer @ Loka INC", + description: + "Soy un Ingeniero de ML con formación en Ingeniería Biomédica. En mis últimos años de universidad, empecé a enfocarme en Procesamiento de Señales e Imágenes Biomédicas y sus diferentes aplicaciones. Esto, a su vez, me llevó a desarrollar un fuerte interés en machine learning, cuyas raíces han estado entrelazadas con mi querido Procesamiento de Señales desde el principio. Hoy en día paso mis días llevando (o al menos intentando) modelos de ML a producción para diversos casos de uso, desde aplicaciones de Computer Vision en análisis de tráfico, Drug Discovery usando embeddings de proteínas basados en Deep Learning, y automatizando aplicaciones de scribe médico usando IA agéntica", + talkTitle: + "La Comunidad de las Evaluaciones Agénticas: ¿Cómo evaluar un agente?", + talkDescription: + "Los agentes autónomos están redefiniendo lo que podemos construir con LLMs, permitiendo que la IA no solo responda, sino que razone y ejecute acciones a través de flujos complejos. Sin embargo, a medida que les damos más autonomía con herramientas como LangGraph, surge un problema crítico en la ingeniería: ¿Cómo sabemos si el agente es realmente confiable? \n\nEn este workshop, abordaremos el reto de la evaluación de agentes. No queremos limitarnos a ver si la respuesta final suena bien sino a implementar distintas formas de evaluar dichos agentes, que van desde validaciones determinísticas hasta métricas basadas en otros LLMs (LLM-as-a-judge)\n\nPara este ejercicio, aplicaremos estos conceptos al universo de El Señor de los Anillos mezclado con estándares médicos reales para validar principalmente:\n\n- Integridad de Datos: Validar que el agente extraiga y formatee correctamente códigos médicos estructurados.\n\n- Fidelidad: evaluar que el agente no alucine los diagnósticos. \n\n- Observabilidad: Monitoreo de trazas y de costos con Langfuse.\n\nAl finalizar, los asistentes tendrán una idea clara de cómo responder a la pregunta: ¿Cómo evaluar un agente?", + }, + "maria-fernanda-rojas-castro": { + title: "Advanced Data Engineer @ Loka INC", + description: + "Soy una Ingeniera de Datos y ML con formación en Ingeniería Biomédica. Trabajo en consultoría tecnológica, donde diseño y construyo flujos de datos y experimento aplicando machine learning y GenAI de formas prácticas. Me interesan especialmente los LLMs, los grafos de conocimiento y hacer que las ideas complejas sean más fáciles de entender, a veces con la ayuda de la cultura pop.\n\nFuera del trabajo, me encanta bailar, leer ficción, ver películas y obsesionarme con la Fórmula 1. Me gusta encontrar formas creativas de aprender y enseñar, y llevo ese espíritu a cada proyecto o charla de la que formo parte.", + talkTitle: "", + talkDescription: "", + }, + "jonathan-vallejo-munoz": { + title: "Senior Director of Software Engineering @ Lendingfront", + description: + "Soy un apasionado por el desarrollo de software, el liderazgo y el crecimiento personal. Creo profundamente que cada persona, si realmente lo decide, tiene la capacidad de construir activamente su vida y alcanzar grandes metas personales y profesionales. Para mí, todo comienza con la capacidad de tomar acción, tener iniciativa, autonomía y asumir el control de las decisiones que definen nuestro camino.\n\nUno de los principios que más me identifica es: “nunca pares de aprender”. Aprender constantemente le da sentido a mi vida. Disfruto enfrentar nuevos retos, salir de mi zona de confort y descubrir nuevas formas de crecer tanto a nivel técnico como humano.\n\nTambién me apasiona impactar positivamente a las personas que me rodean. Me gusta compartir mis aprendizajes, experiencias y errores, con la intención de aportar aunque sea un pequeño grano de arena en el crecimiento de otros. Esto hace parte de mi día a día desde mi rol de liderazgo en LendingFront, donde busco impulsar equipos, mentorizar personas y construir una cultura de aprendizaje continuo, pero también lo aplico en mi vida personal con quienes tengo la oportunidad de compartir y crecer.", + talkTitle: + "Más allá del Vibe Coding: Spec Driven Development con Code Graphs", + talkDescription: + "La inteligencia artificial está cambiando la forma en que construimos software, pero escribir prompts y aceptar sugerencias de código no es suficiente para trabajar sobre sistemas reales. En aplicaciones con múltiples capas, dependencias y reglas de negocio, el verdadero reto no es solo generar código, sino entender dónde cambiarlo, cómo impacta al sistema y cómo validarlo correctamente.\n\nEn este workshop explorarás una evolución del Spec Driven Development usando Code Graphs como fuente de contexto estructurado. A partir de una aplicación web construida con FastAPI, trabajarás sobre una funcionalidad concreta siguiendo un flujo guiado: requerimiento, especificación, contexto del grafo, planificación, tareas, implementación y validación.\n\nDurante la sesión aprenderás el flujo de Spec Driven Development, desde la definición del requerimiento hasta la creación de la especificación, planificación, generación de tareas, implementación y validación. Además, verás cómo un grafo del código puede representar archivos, funciones, clases, relaciones y dependencias, permitiendo que la IA no dependa únicamente de contexto textual o prompts aislados. Esto te ayudará a reducir errores comunes como duplicar lógica, modificar capas incorrectas o ignorar pruebas afectadas.\n\nAl finalizar, entenderás cómo pasar de un uso improvisado de IA en desarrollo a un proceso más estructurado, trazable y confiable. Aprenderás a combinar especificaciones, contexto real del código y asistencia de IA para construir software con mayor claridad técnica, mejor validación del impacto y una lógica aplicable a proyectos reales.", + }, + "esneider-bravo-benitez": { + title: "Senior Software Engineer @ Muno Labs", + description: + "Ingeniero de Software con más de 8 años de experiencia construyendo plataformas tecnológicas escalables y de alto impacto, especialmente en el sector fintech. Me apasiona crear soluciones eficientes, liderar equipos técnicos y promover una cultura de innovación enfocada en resultados reales.\n\nActualmente tengo un enfoque AI-First, integrando Inteligencia Artificial en productos y procesos para optimizar operaciones y acelerar la evolución tecnológica de las empresas. A lo largo de mi carrera he trabajado en arquitectura de software, escalabilidad de plataformas, automatización de procesos y liderazgo técnico de equipos multidisciplinarios.\n\nQuiero que la gente me conozca por mi capacidad de transformar ideas complejas en soluciones tecnológicas escalables, eficientes y orientadas al futuro. Me apasiona combinar ingeniería, innovación e inteligencia artificial para construir productos que generen impacto real y ayuden a las empresas a crecer de manera sostenible.", + talkTitle: "", + talkDescription: "", + }, + "maris-botero": { + title: "Data Science Engineer @ Mercado libre", + description: + "Soy Maris Botero, Data Science Engineer en Mercado Libre trabajando en la intersección entre datos, sistemas inteligentes y creatividad.\n\nMi trabajo se enfoca en construir soluciones de machine learning y diseñar agentes inteligentes que transforman datos en decisiones útiles. Me interesa especialmente hacer la IA más comprensible, práctica y accesible a través de experiencias de aprendizaje aplicadas.\n\nAdemás de mi trabajo técnico, exploro el arte generativo como una forma de unir código y creatividad, creando experiencias visuales que conectan la tecnología con la narrativa. También participo activamente en comunidades tecnológicas, compartiendo conocimiento a través de charlas, talleres y contenido educativo.\n\nCreo que la tecnología no solo debe ser poderosa, sino también transparente, creativa y centrada en las personas. Mi objetivo es ayudar a otros no solo a usar IA, sino a entender cómo diseñarla y construirla.", + talkTitle: "De Prompts a Agentes: sistemas inteligentes con Python", + talkDescription: + "Los prompts son solo el inicio. El verdadero poder de la inteligencia artificial moderna está en transformar esas instrucciones en sistemas estructurados capaces de razonar, aplicar reglas y generar decisiones consistentes.\n\nEn este taller práctico, los participantes irán más allá del uso básico de prompts y aprenderán a diseñar y construir agentes inteligentes utilizando Python. Partiendo de un prompt simple, lo evolucionaremos progresivamente hasta convertirlo en un agente funcional que procesa información, aplica contexto y genera respuestas estructuradas.\n\nA través de un enfoque práctico, aprenderemos a:\n\nDiseñar prompts efectivos con contexto, objetivos y restricciones claras\nEstructurar respuestas en formatos confiables (como JSON)\nConstruir un agente simple en Python que transforme preguntas en decisiones\nIncorporar contexto y memoria para mejorar resultados\nEvaluar la calidad y consistencia de las respuestas\n\nAl final del taller, cada participante tendrá su propio sistema tipo “agente”, capaz de convertir entradas en recomendaciones útiles, junto con un framework reutilizable para aplicar en problemas reales.\n\nEste taller está dirigido a desarrolladores, profesionales de datos y personas curiosas que quieran pasar de usar herramientas de IA a diseñar sistemas inteligentes. No se requiere experiencia previa en IA, solo conocimientos básicos de Python y ganas de aprender.\n\nMás que una sesión técnica, este taller propone una nueva forma de entender la IA: no solo como una herramienta que responde, sino como un sistema que podemos diseñar.", + }, + "jose-hernan-ortiz-ocampo": { + title: "Senior Machine Learning Engineer @ Loka", + description: + "Jose es un Ingeniero Senior de ML con experiencia construyendo sistemas de machine learning en múltiples industrias, desde aplicaciones de seguridad, optimización logística y salud. Trabaja con equipos multidisciplinarios distribuidos internacionalmente en problemas complejos y de rápido movimiento. Curioso por naturaleza, le interesa especialmente dónde se intersectan las herramientas de IA con la forma en que los desarrolladores realmente trabajan — y cómo será en la práctica la próxima generación de desarrollo asistido por IA.", + talkTitle: + "LangGraph y Strands Agents: Conceptos centrales, patrones y trade-offs", + talkDescription: + "El panorama de frameworks de agentes se ha consolidado rápidamente. Entre las opciones disponibles hoy, dos destacan por su profundidad arquitectónica y relevancia en producción: LangGraph, con su modelo de orquestación basado en grafos controlado por el desarrollador; y Strands Agents, con su enfoque impulsado por el modelo y andamiaje mínimo. No son intercambiables — representan respuestas diferentes a la misma pregunta fundamental de cuánto control debe retener un desarrollador sobre el comportamiento del agente.\nEste workshop es una exploración estructurada y práctica de ambos. Los participantes trabajarán con una base de código compartida cubriendo escenarios reales: tool calling, gestión de estado, razonamiento multi-turno y coordinación multi-agente. Cada escenario se implementa en ambos frameworks lado a lado, haciendo las diferencias arquitectónicas concretas y comparables en lugar de teóricas.\nLa sesión está organizada en torno a tres ejes: conceptos centrales (cómo cada framework modela estado, herramientas, memoria y flujo de control), patrones prácticos (qué hace fácil cada uno, qué hace difícil) y trade-offs honestos (dónde cada framework justifica su complejidad y dónde no). Sin demos pulidas — solo código real, salidas reales y una discusión abierta de lo que cuesta y lo que compra cada enfoque.\nAl final, los participantes tendrán un modelo mental funcional para ambos frameworks, exposición práctica a sus patrones clave y suficiente perspectiva fundamentada para tomar una decisión arquitectónica informada en su próximo proyecto agéntico.\nAdecuado para: desarrolladores Python con cierta familiaridad con LLMs o conceptos de agentes. La experiencia en producción es un plus pero no es requerida — el workshop está diseñado para recompensar la profundidad de participación, no el conocimiento previo del framework.\n", + }, + "isabel-mora": { + title: "Junior Machine Learning Engineer @ Loka", + description: + "Isabel es una Ingeniera de ML en Loka, una firma de consultoría en machine learning, donde ha trabajado en proyectos que abarcan múltiples industrias y clientes. Disfruta el arco completo del trabajo de ML, desde la experimentación hasta construir herramientas que llegan a manos de usuarios reales. Curiosa y práctica, le interesan especialmente los agentes de IA y cómo están cambiando la forma en que los desarrolladores construyen y piensan sobre el software.", + talkTitle: "", + talkDescription: "", + }, + "jose-hernan-ortiz-ocampo-2": { + title: "Senior Machine Learning Engineer @ Loka Inc", + description: + "Jose es un Ingeniero Senior de ML con experiencia construyendo sistemas de machine learning en múltiples industrias, desde aplicaciones de seguridad, optimización logística y salud. Trabaja con equipos multidisciplinarios distribuidos internacionalmente en problemas complejos y de rápido movimiento. Curioso por naturaleza, le interesa especialmente dónde se intersectan las herramientas de IA con la forma en que los desarrolladores realmente trabajan — y cómo será en la práctica la próxima generación de desarrollo asistido por IA.", + talkTitle: + "Equipos multi-agente en desarrollo asistido por IA: una mirada al futuro de la programación", + talkDescription: + "La programación ha pasado por una transformación silenciosa pero radical en los últimos años. Pasamos de escribir cada línea, al autocompletado, a la IA proponiendo funciones completas, a revisar y dirigir código generado por IA. ¿Qué sigue? Sistemas multi-agente, donde tienes un equipo de agentes especializados trabajando en paralelo. Este workshop es una mirada práctica y honesta a lo que ese cambio significa hoy, y hacia dónde apunta mañana.\nEmpezaremos mapeando juntos el panorama actual: qué herramientas existen, cómo abordan la orquestación multi-agente, qué hace bien cada una y dónde están los trade-offs reales. El objetivo no es elegir un ganador — es construir un vocabulario compartido y una imagen realista del estado del arte.\nDesde ahí, pasaremos a demos en vivo. En lugar de showcases pulidos, son exploraciones honestas: qué pueden hacer realmente estos sistemas hoy, dónde fallan, y qué nos dicen esas fallas sobre los desafíos más profundos en coordinación multi-agente. Costos de tokens, límites de contexto, mala comunicación entre agentes, y la pregunta de cuánto confiar en tus agentes — son problemas reales que vale la pena examinar juntos.\nLa charla cierra con la pregunta más grande: ¿qué significa todo esto para nosotros como desarrolladores? ¿Qué habilidades se vuelven más importantes, cuáles menos, y cómo nos mantenemos relevantes a medida que las abstracciones siguen profundizándose? No predicciones, sino una reflexión fundamentada basada en lo que ya es visible en estos sistemas tempranos. La pregunta práctica no es si este futuro viene; es cómo adelantarse a él.\nLo que se llevan los asistentes:\nUn modelo mental claro de qué es realmente la codificación multi-agente (vs. herramientas de agente único y vs. frameworks de orquestación)\nUna guía de configuración funcional para que el trabajo multi-agente sea efectivo\nDemos prácticas que muestran realmente qué hacer con estas herramientas\nUna perspectiva fundamentada sobre lo que estos sistemas experimentales nos dicen sobre los próximos años de desarrollo y programación asistidos por IA\nAdecuado para: desarrolladores Python con cierta familiaridad con herramientas de IA. No se requiere profundo background en ML — es una charla práctica para desarrolladores, no una charla de investigación.", + }, + "daniel-sabogal": { + title: "Data & ML Intern @ Loka", + description: + "Daniel es biólogo de formación y trabaja en la intersección entre ciencias de la vida, datos y software. Construye sistemas de ML junto a equipos multidisciplinarios distribuidos internacionalmente, abarcando infraestructura en la nube e investigación en bioinformática. Le interesa especialmente cómo las herramientas de IA están transformando la manera en que los desarrolladores trabajan realmente y qué significa mantenerse efectivo a medida que esas herramientas, y las abstracciones detrás de ellas, siguen evolucionando.", + talkTitle: "", + talkDescription: "", + }, + "jose-arturo-osorio-londono": { + title: "Senior Tech Lead @ Lovelytics", + description: + "Hola, soy José Arturo Osorio, Senior Tech Lead en Lovelytics, donde lidero el equipo de Ciencia de Datos, MLOps e Inteligencia Artificial Generativa para Latinoamérica. Con más de 8 años de experiencia en el campo de la ciencia de datos, he crecido junto con la evolución de la industria, trabajando a lo largo de todo el espectro de tecnologías de machine learning e inteligencia artificial.\n\nMi experiencia abarca desde modelos clásicos de aprendizaje automático, incluyendo clasificación y regresión con algoritmos basados en árboles, hasta modelado estadístico como análisis de series de tiempo y modelos de supervivencia. También he desarrollado soluciones de deep learning para visión por computador, especialmente en segmentación semántica y reconocimiento de entidades nombradas (NER). He aplicado estas tecnologías en diversos sectores, incluyendo banca, servicios y salud, siempre con un enfoque directo en las necesidades del negocio y la generación de valor para los clientes.\n\nDesde una perspectiva técnica, he diseñado e implementado soluciones de machine learning nativas en la nube utilizando principalmente Azure, AWS y Databricks. Me especializo en desarrollar sistemas de IA y aprendizaje automático que generan impacto tangible en el negocio, con resultados medibles y alineados con objetivos estratégicos. Además, cuento con una maestría en áreas relacionadas con analítica e inteligencia artificial, así como certificaciones profesionales en AWS, Databricks y Microsoft Azure.", + talkTitle: + "De ETL a Agentic Workflows: la evolución de la ingeniería de datos en la era de la IA generativa", + talkDescription: + "Este workshop práctico explorará cómo la ingeniería de datos está evolucionando desde pipelines tradicionales basados en ETL hacia sistemas impulsados por agentes inteligentes capaces de razonar, planificar y ejecutar tareas de forma autónoma.\nA través de ejercicios hands-on, los participantes aprenderán los conceptos fundamentales detrás de los workflows agénticos, los nuevos patrones arquitectónicos que están emergiendo en la industria y las librerías modernas de Python que permiten construir este tipo de soluciones. Se abordarán herramientas para la creación de agentes, orquestación de tareas, integración con modelos de lenguaje y automatización de procesos complejos.\nAl finalizar, los asistentes habrán construido ejemplos funcionales y comprenderán cómo aplicar estas nuevas capacidades para transformar procesos de datos tradicionales en sistemas más dinámicos, autónomos y escalables.", + }, + "biviana-marcela-suarez-sierra": { + title: + "Profesora vinculada al área de Computación y analística @ Universidad EAFIT", + description: + "Biviana Marcela Suárez Sierra es estadística e investigadora en ciencia de datos, con experiencia en modelación estadística, aprendizaje automático y análisis computacional de datos complejos. Actualmente es profesora universitaria y dirige proyectos de investigación interdisciplinarios que integran estadística, programación y análisis de datos para abordar problemas en salud, energía, medio ambiente y humanidades digitales.\n\nSu trabajo reciente se ha centrado en el desarrollo de metodologías para el análisis de grandes corpus textuales mediante técnicas de procesamiento de lenguaje natural (NLP), minería de textos y aprendizaje estadístico. Como investigadora vinculada en el proyecto Arte, ciencia y tecnología en la esfera pública: el aporte de las Humanidades Digitales al análisis de los discursos en la esfera pública en Colombia, ha liderado equipos conformados por estudiantes e investigadores de diversas disciplinas para estudiar cómo circulan los discursos sobre ciencia, cultura y sociedad en medios de comunicación colombianos.\n\nCuenta con más de una década de experiencia en investigación y análisis de datos, tanto en el sector académico como en entidades públicas y privadas. Su interés principal es construir puentes entre las herramientas computacionales y los problemas reales, promoviendo espacios de colaboración entre científicos de datos, programadores, lingüistas, profesionales de la salud y especialistas en ciencias sociales.\n\nEn PyCon Colombia 2026 participará como directora y moderadora de un workshop sobre procesamiento de lenguaje natural para análisis de corpus en Humanidades Digitales, compartiendo experiencias sobre cómo Python puede convertirse en una herramienta de encuentro entre la tecnología y las ciencias humanas.", + talkTitle: "NLP en la práctica: de lingüística de corpus a RAG con Python", + talkDescription: + "El procesamiento de lenguaje natural ofrece hoy un conjunto maduro de herramientas para analizar corpus textuales de forma sistemática y reproducible, pero el camino entre tener los documentos y obtener resultados no siempre es claro. Este workshop recorre ese camino de principio a fin. En dos horas, los participantes construirán una comprensión del ecosistema NLP: su historia, su lógica y sus métodos. La sesión abre con una línea de tiempo que va desde los primeros modelos basados en reglas hasta los transformers, seguida de un mapa de técnicas organizadas por tipo de problema (clasificación, extracción de entidades, búsqueda semántica, generación) para que cada participante pueda identificar qué método necesita ante un problema textual concreto. La segunda parte cubre dos implementaciones con Python. Primero, modelado de tópicos con BERTopic, revisando el pipeline interno de embeddings, UMAP y HDBSCAN. Segundo, un asistente conversacional con RAG: indexación del corpus, recuperación semántica y conexión con un modelo de lenguaje para responder consultas sobre los documentos. Al finalizar, cada participante tendrá un notebook funcional con los dos pipelines y un mapa claro del ecosistema para orientar sus propios proyectos de análisis textual.", + }, + "andres-felipe-puerta-velez": { + title: + "Asistente de investigación y estudiante de maestría en matemáticas aplicadas. @ Universidad EAFIT", + description: + "Es un estudiante de maestría en matemáticas aplicadas y asistente de investigación, con experiencia en procesamiento de lenguaje natural (NLP), integración de bases de datos heterogéneas y análisis de datos. Actualmente trabaja en el uso de la g-formula bayesiana como solución a la multiplicidad de estimadores de efecto causal y en el uso de modelos de machine learning para la estimación de emisiones de gases contaminantes y consumo de combustible para motos de bajo cilindraje en el contexto colombiano. \n\nCómo asistente de investigación y becario del proyecto Análisis Comparativo de Percepciones sobre Comportamientos Protectores frente al COVID-19 en Colombia, ha trabajado en equipos conformados por estudiantes e investigadores de diversas disciplinas para estudiar cómo circula el discurso público en redes sociales y como fue su comportamiento respecto a hábitos de cuidado durante la pandemia.\n\nEn PyCon Colombia 2026 participará como moderador de un workshop sobre procesamiento de lenguaje natural para análisis de corpus en Humanidades Digitales, compartiendo experiencias sobre cómo Python puede convertirse en una herramienta de encuentro entre la tecnología y las ciencias humanas.", + talkTitle: "", + talkDescription: "", + }, + "dora-cecilia-alzate-gallo": { + title: "Estudiante de la Maestría en Estudios Humanísticos @ EAFIT", + description: + "Dora Cecilia Alzate, estudiante de la Maestría en Estudios Humanísticos, vinculada al área de lenguaje y a la Escuela de Artes y Humanidades, compartiría los principales desafíos y decisiones lingüísticas que permitieron adaptar estas herramientas al español y mejorar la calidad de los resultados obtenidos en el procesamiento de textos.", + talkTitle: "", + talkDescription: "", + }, + "karen-melissa-gomez-montoya": { + title: + "Ingeniera matemática - Asistente en investigación @ Universidad EAFIT", + description: + "Karen Melissa Gomez Montoya es ingeniera matemática y estudiante de maestría en Ciencia de Datos y Analítica en EAFIT, donde también se desempeña como asistente de investigación en proyectos de humanidades digitales y esfera pública. Su trabajo se sitúa en la intersección entre métodos computacionales y análisis de corpus textuales.", + talkTitle: "", + talkDescription: "", + }, + "jesus-alfredo-reyes-vargas": { + title: "Lead Software Engineer @ EPAM Systems", + description: + "Soy Technical Lead e Ingeniero en Informática egresado de la UNET, y me dedico desde hace 9 años a construir software resiliente y equipos empoderados. \nMe apasiona profundamente la educación tecnológica; actualmente soy mentor de ingenieros en EPAM y también fundé PyDojo allí, una comunidad enfocada en impulsar el talento regional en Python dentro de la empresa. \nFuera de la pantalla, comparto mi hogar y mi día a día con mi esposa y nuestros cuatro gatos. También practico karate, busco asteroides como citizen scientist para IASC, y encuentro mi equilibrio artístico pintando, tocando el piano académico y practicando canto lírico.", + talkTitle: "Ingenieros a prueba de futuro con AI-DLC", + talkDescription: + 'El Problema\nHoy en día, muchos ingenieros han caído en una trampa: están utilizando la Inteligencia Artificial simplemente como un "autocompletado glorificado" para escribir código más rápido, dejando de lado el diseño arquitectónico. El verdadero desafío surge en el mundo real: los equipos técnicos a menudo no saben cómo llevar una idea basada en IA a producción de manera segura, escalable y mantenible.\n\nLa Solución: Future-proof Engineers with AI-DLC\nEste es un taller práctico e intensivo diseñado para romper ese estancamiento. Nuestro objetivo es que dejes de ser un consumidor pasivo de herramientas de IA y te conviertas en un arquitecto capaz de aplicar el Ciclo de Vida del Desarrollo de IA (AI-DLC) como un framework de trabajo estructurado. Te enseñaremos a tomar control y aumentar el ownership en tus proyectos.\n\n¿A quién va dirigido?\nIngenieros de software de nivel Mid y Senior que buscan evolucionar sus habilidades, dominar el diseño de sistemas modernos y liderar la integración de IA en sus equipos de trabajo.', + }, + "carlos-alberto-riveros-varela": { + title: "Senior Software Engineer @ EPAM Systems", + description: + "Soy Ingeniero de Sistemas de la Universidad Distrital e Ingeniero Electrónico de la Universidad Nacional de Colombia. Actualmente me desempeño como Senior Software Engineer en Epam, tengo una maestría en Ingeniería de Software de la Universidad de los Andes y soy tutor de algunas asignaturas de la misma. Me he desempeñado por casi 10 años en el mundo del desarrollo de software trabajando para empresas nacionales y extranjeras de diferentes verticales, en roles de IC y TL con Python. \nTengo dos hijos. Me encanta aprender, viajar, y pasar tiempo con mi familia.", + talkTitle: "", + talkDescription: "", + }, + "felipe-sanchez": { + title: "Analytics Consultant @ Aimpoint Digital", + description: + "Felipe Sanchez es Consultor de Analytics y Claude Certified Architect con más de seis años de experiencia diseñando soluciones de datos y analytics para organizaciones Fortune 100. Su experiencia abarca analytics engineering, inteligencia de decisiones, sistemas agénticos y plataformas de datos modernas. Felipe se especializa en traducir desafíos de negocio complejos en soluciones técnicas escalables y es apasionado por enseñar patrones prácticos de ingeniería de IA que los desarrolladores pueden aplicar en producción. Su trabajo se enfoca en la intersección de Python, analytics, sistemas de datos, APIs y sistemas agénticos.", + talkTitle: + "Construye tu primer servidor de herramientas de IA: creando una Pokédex con FastMCP y Python", + talkDescription: + "¿Quieres que tus aplicaciones de IA hagan más que responder preguntas? El Model Context Protocol (MCP) se está convirtiendo en el estándar para conectar modelos de lenguaje con herramientas, APIs y sistemas externos.\n\nEn este workshop aprenderás a construir tu primer servidor MCP utilizando FastMCP y Python. A través de una experiencia completamente práctica, exploraremos los conceptos fundamentales del protocolo, cómo exponer herramientas y cómo integrarlas con clientes compatibles como Claude.\n\nComo proyecto principal, construiremos una Pokédex interactiva conectada a la PokéAPI. Los participantes desarrollarán herramientas reales para consultar información de Pokémon, exponerlas mediante un servidor MCP y permitir que un modelo de lenguaje las utilice de forma autónoma.\n\nAl finalizar, habrás desarrollado tu propio servidor FastMCP, comprenderás los fundamentos de MCP y contarás con una base sólida para crear aplicaciones AI-native conectadas a datos y servicios reales.\n\nLos cupos son limitados... ¡Atrápalos ya!\n", + }, + "daniel-galvis": { + title: "Senior Analytics Engineer @ Aimpoint Digital", + description: + "Daniel aporta más de cinco años de experiencia en consultoría, optimización, visualización de datos y pipelines de datos. Es apasionado por todos los campos de datos, y su experiencia le permite entender necesidades en Ciencia de Datos, Ingeniería de Datos y Análisis de Datos.", + talkTitle: "", + talkDescription: "", + }, + "francisco-javier-moya-ortiz": { + title: "Lead Analytics Consultant @ Aimpoint Digital", + description: + "Soy Francisco Moya, Lead Analytics Consultant en Aimpoint Digital, donde diseño y construyo soluciones de datos e inteligencia artificial para empresas que quieren convertir su información en decisiones y acciones reales. A lo largo de mis 5 años en el mundo de los datos he trabajado en todo el ciclo de la analítica: desde modelar y transformar datos hasta construir dashboards y aplicaciones de IA que la gente realmente usa en su día a día.\n\nSoy Máster en Ciencia de Datos y Analítica, Claude Certified Architect y cuento con la certificación Sigma AI Apps, credenciales que reflejan algo que me obsesiona: estar siempre en la frontera de lo que la IA hace posible. Me apasiona, sobre todo, cómo la inteligencia artificial transforma procesos y reinventa los espacios de trabajo, y disfruto llevando esos conceptos del marketing al teclado para que cualquiera pueda aplicarlos.\n\nEsa vocación por enseñar también la vivo en las aulas: soy docente universitario en temas de IA y procesamiento de datos. Creo firmemente en aprender construyendo, y esa es justo la experiencia que quiero traer a este workshop.\n\nFuera del mundo de los datos, soy cinta negra en taekwondo y me encanta bailar.", + talkTitle: "Dashboards que piensan: construye analítica agéntica con Sigma", + talkDescription: + 'Los dashboards tradicionales solo muestran datos: tú preguntas, ellos responden, y vuelves a empezar. En este workshop práctico daremos el siguiente salto: construiremos un dashboard agéntico en Sigma que razona sobre los datos, aplica lógica de negocio y ejecuta acciones, sin escribir código.\n\nTrabajando sobre datos en vivo en el warehouse, aprenderás paso a paso a: diseñar un dashboard en el lienzo de Sigma; incorporar Sigma Agents para responder preguntas en lenguaje natural, encadenar varios pasos de razonamiento y disparar flujos de trabajo; y conectar el dashboard con herramientas y sistemas externos mediante MCP, todo gobernado y sin sacar los datos de tu plataforma.\n\nAl final tendrás un dashboard inteligente funcionando de principio a fin que podrás replicar en tu propio trabajo. Es una sesión ideal para entender, con las manos en el teclado, qué significa de verdad la "analítica agéntica" que hoy domina las conversaciones de IA, y cómo cualquiera puede construirla sin ser ingeniero de datos ni analista', + }, + "andres-vasquez-restrepo": { + title: "Machine Learning Engineering Manager @ Cuesta Partners", + description: + "Andrés es un ingeniero de IA aplicada e investigador con formación en Inteligencia Artificial, Bioinformática y Biotecnología. Su trabajo temprano en biología computacional y machine learning creció hacia un enfoque más amplio en usar IA para abordar problemas complejos del mundo real en diversas industrias. Como cofundador de una startup, desarrolló una mentalidad fuerte de resolución de problemas, enfocada en entregar soluciones que crean impacto tangible en lugar de solo prototipos. En los últimos años ha liderado el diseño y despliegue de sistemas de grado productivo, incluyendo pipelines de análisis de video y audio a gran escala, asistentes virtuales inteligentes que atienden decenas de miles de usuarios, y plataformas de automatización documental que redujeron costos operativos en más del 90%. Su liderazgo en innovación de IA ha sido reconocido por el Departamento de Estado de EE.UU., que lo nombró uno de los Jóvenes Líderes de las Américas, y por la Real Academia de Ingeniería del Reino Unido por sus contribuciones en la intersección de IA e innovación. Con base en Medellín, Colombia, divide su tiempo entre construir productos de IA, mentorizar a otros y compartir su experiencia a través de charlas y workshops sobre IA aplicada.", + talkTitle: + "PyBlend: Hacia un científico de alimentos con IA para diseño de productos nutricionales", + talkDescription: + 'Imagina tener un "científico de alimentos" construido en Python que, en lugar de usar bata de laboratorio, usa DAGs, embeddings y LLMs para ayudarte a diseñar mezclas en polvo nutritivas. En esta charla presentaré PyBlend, un agente de IA que toma un brief nutricional en lenguaje natural (por ejemplo: "quiero una mezcla vegana, alta en proteína, baja en azúcar, apta para deshidratación") y lo convierte en una formulación cuantitativa lista para el laboratorio: ingredientes, proporciones crudas y deshidratadas, perfil nutricional y costo estimado.\n\nRecorreremos paso a paso cómo combinar búsqueda inteligente de ingredientes (desde one-hot encodings y features tabulares, hasta embeddings de texto y nutrición), recuperación híbrida sobre bases de datos de alimentos, y agentes LLM orquestados en un grafo acíclico dirigido. Todo está implementado en Python, construido sobre librerías open source, y diseñado para ser reproducible y extensible para cualquiera que quiera llevar los modelos de lenguaje más allá del caso de uso clásico de "chatbot".\n\nSi te interesa construir agentes en Python que hagan trabajo científico/aplicado real, no solo responder preguntas, si trabajas con datos tabulares, búsqueda, optimización, o simplemente quieres ver cómo un LLM puede terminar diseñando una formulación alimentaria funcional, esta charla es para ti. Te irás con ideas concretas, patrones de arquitectura y ejemplos de código que puedes adaptar a tus propios dominios.', + }, + "cesar-mateo-gonzalez-rodriguez": { + title: "Senior Machine Learning @ GoDaddy", + description: + "Soy un atleta de alto rendimiento en machine learning. Practico patinaje de velocidad, donde Colombia es una potencia mundial. Aplico la misma mentalidad y esfuerzo al machine learning, esforzándome por ser el mejor y construir cosas increíbles en el camino. Llevo 10 años involucrado en el desarrollo tecnológico, 5 de ellos en machine learning, y aún quiero seguir impactando el mundo con lo que construyo.", + talkTitle: + "Cómo encontrar perlas en el fondo del mar - Autoencoders como modelo de detección de anomalías", + talkDescription: + 'En el mundo de IA/Machine Learning, a menudo pensamos en las anomalías como errores que hay que corregir. Pero ¿y si algunas de esas anomalías son en realidad oportunidades de inmenso valor? Detectar estas oportunidades, estas "perlas", es un enorme desafío debido a la vastedad y complejidad del océano de datos. Hay una solución: modelos de detección de anomalías — positivos en este caso — y los exploraremos en esta sesión.', + }, + "juan-guillermo-gomez": { + title: "AI & Software Advisor @ DevHack", + description: + "Soy un Consultor de IA y Software dedicado a transformar negocios a través de soluciones inteligentes y escalables. Como Google Developer Expert (GDE) en Firebase, GCP, Kotlin e IA, soy reconocido por Google por mi trabajo ejemplar y profundo conocimiento técnico.\n\nMi enfoque profesional está en la intersección de Ingeniería de Software e Inteligencia Artificial. Brindo consultoría experta en Arquitectura Cloud e implementación de IA, ayudando a empresas a aprovechar las tecnologías de Google para resolver problemas del mundo real.\n\nActualmente, estoy expandiendo mis capacidades de investigación cursando una Maestría en Inteligencia Artificial y Ciencias de Datos en la Universidad Autónoma de Occidente, construyendo sobre mi Maestría previa en Ingeniería de Software de la Universidad de San Buenaventura Cali. Me apasiona compartir esta experiencia, hablando regularmente en eventos locales y globales para empoderar comunidades de desarrolladores en todo el mundo.", + talkTitle: "Patrones, protocolos y tácticas para sistemas multi-agente", + talkDescription: + "A medida que las aplicaciones de LLM evolucionan, los Sistemas Multi-Agente (MAS) se están convirtiendo en el nuevo estándar para automatización compleja. Pero ¿cómo se comunican y colaboran efectivamente los agentes? Esta sesión desglosa los protocolos y patrones tácticos de MAS. Desde enrutamiento básico hasta arquitecturas colaborativas avanzadas, descubre cómo usar Python para construir sistemas donde los agentes trabajan en armonía.", + }, + "mauricio-repetto-ferrero": { + title: "ML Engineer @ Nortal / Universidad ORT Uruguay", + description: + "Soy Ingeniero en Sistemas de la Universidad ORT Uruguay con una Maestría en BigData. Además tengo dos posgrados, uno en BigData Analytics y otro en Inteligencia Artificial.\n\nActualmente trabajo como Machine Learning Engineer en Nortal (antes UruIT y Nearsure) y soy profesor en la Universidad ORT Uruguay.\n\nTengo amplia experiencia en el desarrollo de soluciones de Business Intelligence para diversos clientes en Sudamérica y Estados Unidos y desde 2018 he trabajado en varios proyectos basados en Inteligencia Artificial en áreas como Computer Vision (CV), Natural Language Processing (NLP) y Audio Processing (AP), entre otras.", + talkTitle: + "¡Es ahorra o nunca! Dieta de tokens con TOON para agrandar tu bolsillo y que la IA entienda más", + talkDescription: + '¿Qué te diríamos si te contamos que cada vez que envías un JSON a un LLM estás pagando un "impuesto" invisible? En la era de la IA Generativa los tokens son el nuevo oro, y con el JSON estándar (con sus llaves redundantes y claves repetitivas) los estás quemando.\nEn esta sesión haremos un repaso de historia en la notación de datos para entender por qué las herramientas actuales no están optimizadas para los LLMs y te presentaremos TOON (Token-Oriented Object Notation), una notación que combina lo mejor de dos mundos: la legibilidad de YAML y la densidad de CSV.\nPero no solo hablaremos de teoría, también trabajaremos con datos reales y veremos cómo TOON logra reducir el consumo de tokens en comparación con JSON. Además, demostraremos algo importante: ¡gastar menos no significa entender menos! Ya que solo por utilizar TOON muchos benchmarks demuestran mejoras en sus métricas. ¡Es hora de poner tus datos a dieta!', + }, + "dario-jesus-guzman-duran": { + title: "CEO @ Gudar Devs", + description: + "CEO de Gudar Devs SAS e ingeniero de software con más de 10 años de experiencia técnica. Lidero equipos especializados en el desarrollo de aplicaciones web escalables, donde priorizo la robustez y la eficiencia operativa. Además de mi labor en Gudar Devs, soy docente universitario y el actual líder de Python Barranquilla, comunidad a la que pertenezco desde 2016.", + talkTitle: "Ingestión de video de alto rendimiento con Python asíncrono", + talkDescription: + "¿Cómo procesar múltiples fuentes de video en tiempo real sin saturar la CPU ni perder cuadros en el camino? En esta sesión, exploraremos cómo romper las limitaciones de los flujos de trabajo tradicionales mediante arquitecturas asíncronas.\nAnalizaremos cómo diseñar un pipeline eficiente en Python que logre la ingestión concurrente, el procesamiento mediante modelos de IA y el almacenamiento persistente de video, todo de forma desacoplada y escalable. Compartiremos los retos técnicos y las estrategias de arquitectura para pasar de sistemas bloqueantes a un flujo de datos robusto y de alto rendimiento. Si buscas llevar tus proyectos de visión artificial al siguiente nivel y dominar el poder de asyncio, esta sesión es para ti.", + }, + "juan-jose-barrientos-salazar": { + title: "AI Architect/Lead & Researcher @ The TRES Group", + description: + "Líder Técnico y Arquitecto de IA con más de 3 años de experiencia diseñando y desplegando sistemas de inteligencia artificial, arquitecturas de software y ecosistemas de automatización listos para producción en entornos empresariales. Me especializo en conectar teoría avanzada de Deep Learning y LLMs con implementaciones escalables en el mundo real, con un fuerte enfoque en confiabilidad, mantenibilidad e impacto\nde negocio medible.\n\nMi experiencia incluye liderar iniciativas de IA sobre Azure, diseñar sistemas multiagente y basados en RAG, y guiar equipos técnicos a través de patrones de diseño de software, buenas prácticas y estándares de ingeniería de nivel productivo. He entregado soluciones capaces de reducir días de trabajo manual a minutos, manteniendo altos niveles de precisión y robustez operativa.\n\nEn paralelo, lidero investigación sobre optimización de Transformers y eficiencia de LLMs mediante trabajo matemáticamente riguroso, de nivel PhD, enfocado en mejorar el desempeño computacional y los mecanismos internos de estos modelos. Además, me apasiona la divulgación de IA, la mentoría técnica y la traducción de sistemas complejos en soluciones prácticas de alto impacto.", + talkTitle: + "LLMs a profundidad: Como funciona matematicamente un LLM (y su implementacion con Pytorch)", + talkDescription: + 'Imagina un espacio de 30 minutos donde la matemática, el código, los experimentos mentales y uno de los temas mas atractivos de la actualidad convergiesen durante potentes minutos, eso es lo que busca esta presentación. \n\nEl objetivo de esta charla es hacer un repaso por cada uno de los componentes de un Large Language Model (LLM), desde el sistema de embeddings y el algoritmo de BPE, hasta el mecanismo de atención que es el core de la IA moderna, pasando por la normalización y los pequeños "truquitos" que se usan tanto en entrenamiento como en inferencia para mejorar los resultados y hacer los LLMs mas optimos, cada uno de estos componentes será abordado desde tres perspectivas: 1) la matemática pura que compone la solución, 2) La interpretación de esta matemática (por que es útil y como lo podemos visualizar) y 3) La implementación en código, donde se mostrarán pequeñas píldoras de código que muestren como se implementan estos sistemas en Python. Al final se entregará un repositorio de código abierto con toda la implementación y el pipeline de entrenamiento para un "playground model" implementando un modelo tipo GPT.\n\nLa intención con esta charla no es solo brindar luz sobre uno de los temas mas interesantes y complejos en el mundo moderno, es también brindar herramientas para cuestionarse el funcionamiento de estos sistemas y promover la investigación en este campo.', + }, + "raul-rodriguez": { + title: "Technical Lead @ Mercado Libre", + description: + "Soy Raul Rodriguez Lopez y llevo más de 12 años ensuciándome las manos con datos. No llegué a la Inteligencia Artificial por moda — llegué porque después de una década moviendo millones de registros a mano, diseñando ETLs, migrando cores bancarios y construyendo pipelines de alta complejidad, entendí que había una forma radicalmente mejor de hacer las cosas.\nMi camino empezó desde lo más profundo del dato: migré todo el core de grandes productos con DataStage, construí bodegas de datos y modelos dimensionales para el sector financiero en empresas como Banco Popular , Banco de Bogota, y Corredor Empresarial, automaticé procesos ETL con Spark en AWS , y diseñé arquitecturas de datos en Colfondos. Después pasé 3 años y medio en el Banco de Bogotá, donde escalé de Data Engineer Lead a Gerente de DataOps y MLOps — liderando equipos, administrando presupuestos cloud, implementando CI/CD y llevando la cultura de datos a otro nivel.\nHoy soy Technical Lead en Mercado Libre, una de las empresas tech más grandes de Latinoamérica. Diseño arquitecturas multi-cloud, construyo sistemas multiagente con IA Generativa usando LLMs, ADK, LiteLLM y Model Context Protocols (MCPs), y lidero la investigación de nuevas capacidades tecnológicas para el negocio. Pero lo que realmente me transformó no fue un ascenso — fue un cambio de mentalidad.\nAdopté una filosofía AI-First: si una tarea puede ser potenciada, delegada o automatizada con IA, no hay razón para hacerla de la forma tradicional. Esa mentalidad me llevó a crear NORTH, una metodología que llevo iterando en producción real, donde Claude no es un chatbot al que le hago preguntas — es un copiloto que mantiene el contexto de mis proyectos, propone decisiones arquitectónicas, gestiona backlog y sincroniza el estado de todo lo que construyo. Desarrollo skills personalizados, automatizo flujos con agentes, y cada día encuentro una nueva forma de amplificar lo que puedo hacer como ingeniero.\nEsta es mi primera vez como ponente y no me da miedo decirlo. Vengo con algo que ningún speaker veterano tiene: una historia real de transformación, desde mover datos con shell scripts en 2011 hasta orquestar agentes inteligentes en 2026. No vengo a hablar de teoría — vengo a mostrar cómo un ingeniero colombiano, formado en el SENA y la Panamericana, llegó a liderar IA en Mercado Libre adoptando una mentalidad que cualquiera en esta sala puede replicar.\nSi crees que la IA es solo para Silicon Valley, yo soy la prueba de que estás equivocado.", + talkTitle: "NORTH: Claude como copiloto real", + talkDescription: + 'Todos usamos IA para programar. Pocos la usan bien.\nLa mayoría de desarrolladores interactúa con Claude o cualquier LLM como si fuera Google con superpoderes: le hacen una pregunta, reciben una respuesta, copian y pegan, prompts poco estructurados. Al día siguiente, la IA no tiene idea de quién eres, en qué proyecto trabajas ni por qué elegiste PostgreSQL sobre MongoDB la semana pasada. Cada sesión empieza desde cero. Cada vez reexplicas lo mismo. Y el resultado son respuestas geniales que no conocen tu código.\n¿Qué tan grave es esto? Lo medí. Le pedí a Claude exactamente lo mismo — "dame el contexto completo del proyecto" — con y sin metodología. Sin contexto estructurado, Claude detectó 3 de 5 miembros del equipo, encontró 3 versiones distintas del proyecto sin saber cuál era la real, no pudo identificar deuda técnica y no tenía idea del sprint actual. Con NORTH, la respuesta fue precisa: equipo completo con roles, versión canónica correcta, 3 ítems de deuda técnica con severidad, sprint definido con prioridades y PR pendiente de merge. Score de utilidad: 7/7 con NORTH vs 2.5/7 sin él. Mismos tokens. Mismo costo. La diferencia no es plata — es información útil vs ruido.\n¿Qué pasaría si con un solo comando — /north — Claude supiera exactamente dónde quedaste y qué sigue? Eso es NORTH. Una metodología que convierte a Claude en un copiloto real de desarrollo. No un chatbot que responde preguntas — un agente con memoria viva de tu proyecto.', + }, + "jeronimo-lopez-gomez": { + title: + "Estudiante, Joven Investigador @ Universidad de Antioquia, Grupo de Instrumentacion Cientifica y Microelectronica", + description: + "Actualmente culminando mi pregrado en Física en la Universidad de Antioquia, cuento con experiencia en procesamiento de señales, sistemas de adquisición de datos de alto rendimiento y desarrollo de soluciones para instrumentación científica. He trabajado en el diseño e implementación de soluciones basadas en hardware reconfigurable, arquitecturas System on Chip Xilinx (SoC), con capacidades de análisis de datos en Python, modelado, integraciones con sistemas embebidos y visión artificial por computador. Apasionado por la tecnología y considero la física como una formación transversal que fortalece el análisis, la modelación y la capacidad de abordar problemas complejos en distintos contextos tecnológicos.", + talkTitle: "hls4ml: De modelos Python a aceleración en hardware", + talkDescription: + "Esta sesión presenta un recorrido desde el desarrollo de modelos de machine learning en Python hasta su implementación en hardware mediante la herramienta hls4ml. El objetivo es mostrar cómo los modelos construidos en frameworks ampliamente utilizados, como TensorFlow, Keras o PyTorch, pueden ser transformados en descripciones de hardware eficientes para su despliegue en dispositivos reconfigurables.\nSe abordará el flujo de trabajo completo, incluyendo la preparación del modelo, su conversión a código de High Level Synthesis (HLS) y los principales criterios de optimización para hardware, como la cuantización y la reducción de precisión. Asimismo, se discutirán los compromisos entre latencia, consumo energético y exactitud del modelo.", + }, + "angie-katherine-reyes": { + title: "AI Builder & Team Lead @ Nequi", + description: + 'Llevo un buen rato en esto de la inteligencia artificial — empecé por el lado de ML y ciencia de datos, y fui evolucionando hasta aterrizar donde más me emociona hoy: GenAI y agentes conversacionales. Ahora lidero un equipo donde construimos cosas reales con modelos de lenguaje, no solo experimentos de laboratorio.\nMe muevo cómodo entre la teoría y el "bueno, ¿y esto cómo lo ponemos a funcionar?". Diseño arquitecturas de agentes, trabajo con LLMs y le meto cabeza a cómo la IA generativa puede resolver problemas concretos.\nSi estás acá es porque también te pica la curiosidad — así que estamos en el mismo canal.', + talkTitle: + "Fine-tuning en Nequi: enseñarle a un modelo pequeño el lenguaje de nuestras transacciones", + talkDescription: + "En Nequi, una transacción no es solo un monto y una fecha — es comportamiento, contexto y secuencia. Los modelos generalistas no capturan esa semántica, y las reglas rígidas no escalan con millones de usuarios. En este workshop exploramos hands-on cómo hacer fine-tuning de un modelo pequeño para que aprenda el lenguaje propio de eventos transaccionales: sus patrones, sus anomalías, sus señales de riesgo. Los participantes trabajarán desde la construcción del dataset hasta la validación del modelo, entendiendo en cada paso qué decisiones importan y por qué", + }, + "elkin-javier-guerra-galeano": { + title: "Machine Learning Engineer | MLOps @ Nequi", + description: + "Apasionado por la inteligencia artificial, el desarrollo de software y el mundo en constante evolución de las tecnologías emergentes, tengo más de tres años de experiencia en la industria de Datos, Machine Learning y MLOps. Mi curiosidad me impulsa a aprender continuamente y explorar los últimos avances en IA, computación en la nube y automatización.\n\nActualmente, estoy profundizando mi experiencia en MLOps, investigando e implementando mejores prácticas para optimizar el despliegue y escalamiento de modelos de machine learning. Tengo experiencia práctica trabajando con AWS y GCP, aprovechando tecnologías cloud para construir soluciones escalables y eficientes impulsadas por IA.", + talkTitle: "", + talkDescription: "", + }, + "natalia-echeverri-duran": { + title: + "Estudiante @ Universidad de Antioquia, Grupo de Instrumentacion Cientifica y Microelectronica", + description: + "¡Hola! Soy Natalia, estudiante de último año de Física en la Universidad de Antioquia (Colombia), y actualmente estoy cursando un bootcamp de IA. Me apasiona aplicar el aprendizaje automático y la ciencia de datos a problemas del mundo real, desde sistemas físicos hasta datos de comportamiento. Creo que la física te enseña a ver el mundo a través de patrones y ecuaciones, y la IA te brinda las herramientas para actuar en función de ellos.", + talkTitle: "", + talkDescription: "", + }, +}; export const workshopSpeakerContentByLocale: Record< SiteLocale, SpeakerContentBySlug > = { - en: { - "david-felipe-vanegas-ramirez": { - title: "Advanced Data Engineer @ Loka", - description: - "David is a data engineer at Loka, where he designs and maintains data platforms on AWS for clients across multiple industries. With nearly five years of experience, his day-to-day work revolves around Apache Iceberg, PySpark, Airflow, and production lakehouse architectures. He holds AWS and Databricks certifications and has recently explored the intersection of data engineering and AI agents, building personal tooling on top of the Anthropic SDK. Based in Bogotá, he believes there is a shortage of practical Spanish-language technical content on modern data engineering.", - talkTitle: "From S3 to AI Agent: Your First Queryable Lakehouse", - talkDescription: - "AI agents are only as good as the data they can query. Most agents built today connect to outdated CSVs, unstructured databases, or nothing at all. What if your agent could query a real lakehouse—with versioning, schema evolution, and time travel—using natural language? In this workshop we build exactly that from scratch using only open-source tools that run on your laptop. Starting from a local Docker Compose stack, we stand up a functional lakehouse with MinIO as S3-compatible storage, Apache Iceberg as the table format, Project Nessie as a Git-like versioned catalog, and Trino as the SQL query engine. On top of that, we build a Python MCP server that exposes Iceberg tables as tools for an AI agent, and connect Claude so it can query the lakehouse in natural language.", - workshopRequirements: - "Minimum hardware: laptop with at least 8 GB RAM (16 GB recommended) and 10 GB free disk space.\n\nRequired software (install before the event):\n• Docker Desktop: https://www.docker.com/products/docker-desktop\n• Python 3.11+: https://www.python.org/downloads\n• Git: https://git-scm.com\n• Claude Desktop (free): https://claude.ai/download\n• VS Code (recommended): https://code.visualstudio.com", - }, - "felix-mino": { - title: "Software Engineer @ Stack Builders", - description: - "Félix is a Software Engineer at Stack Builders with a focus on testing practices and developer tooling. He advocates for practical approaches to software quality and believes that real integration tests—backed by actual running services—are far more valuable than elaborate mock setups.", - talkTitle: "Stop Mocking, Start Containerizing", - talkDescription: - "Tired of maintaining brittle mock objects that don't reflect production behavior? In this workshop, you'll learn how to replace mocks with real containerized services using Testcontainers for Python. Bring your laptop and a running Docker engine—we're going to get our hands dirty!", - workshopRequirements: - "Laptop with Docker Desktop installed and a running Docker engine.", - }, - "roberto-bedoya-garcia": { - title: "AI Engineer @ NowBit", - description: - "Roberto is an AI Engineer at NowBit focused on LLM observability and cost optimization. He helps teams monitor, debug, and reduce the operational costs of production AI systems—turning token spend from an unpredictable liability into a manageable engineering concern.", - talkTitle: "Your LLM Is Bleeding Money and Python Can Stop It", - talkDescription: - "Every token your LLM processes costs money, and without proper observability, costs can spiral out of control. In this workshop, you'll learn how to instrument your Python LLM applications to track token usage, latency, and cost per request. We'll build a complete observability stack using open-source tools, set up alerts for cost anomalies, and implement strategies to cut your LLM bill without sacrificing quality.", - }, - "hazel-saenz": { - title: "Developer Advocate @ AWS", - description: - "Hazel is a Developer Advocate at AWS passionate about making AI accessible through open-source tools. She builds demos and workshops that help developers get started with AI agents and Python, with a special focus on creative and beginner-friendly applications.", - talkTitle: "Create Your AI DJ: Agents in Python and Open Source", - talkDescription: - "Create your own AI DJ using Python agents and open-source tools! In this beginner-friendly workshop, you'll learn the fundamentals of AI agents, build a music recommendation system powered by Python, and connect it to real music APIs. No prior AI experience required—just curiosity and a love for music. By the end, you'll have a working AI DJ that curates playlists based on mood, genre, and personal preferences.", - }, - "emanuel-zapata-querubin": { - title: "Data Engineer @ Lovelytics", - description: - "Emanuel is a Data Engineer at Lovelytics specializing in MLOps and data platform architecture. He has hands-on experience taking ML projects from exploratory notebooks to fully automated production pipelines on Databricks, and is passionate about bridging the gap between data science and engineering.", - talkTitle: "From Notebook to Production: End-to-End MLOps on Databricks", - talkDescription: - "Move beyond Jupyter notebooks and deploy machine learning models to production using MLOps best practices on Databricks. In this intermediate workshop, you'll learn to structure ML projects for production, implement CI/CD pipelines for models, manage experiments with MLflow, deploy models as REST APIs, and monitor them in production. We'll walk through a complete end-to-end example from data preparation to automated retraining.", - }, - "santiago-suarez-sampayo": { - title: "Data Engineer @ Aimpoint Digital", - description: - "Santiago is a Data Engineer at Aimpoint Digital with expertise in building AI-powered applications and integrations. He enjoys creating practical developer tools that combine cutting-edge AI APIs with everyday communication platforms, making advanced AI capabilities accessible to any user.", - talkTitle: - "Build an OpenClaw-style Coding Assistant on WhatsApp with Claude Agent SDK", - talkDescription: - "Build a fully functional AI coding assistant that lives in WhatsApp, inspired by OpenClaw, using Claude's Agent SDK and Python. In this hands-on workshop, you'll learn to integrate the Claude Agent SDK with the WhatsApp Business API, design conversational flows for code assistance, handle multi-turn conversations with memory, and deploy your assistant to the cloud. Walk away with a working AI coding companion accessible from any device.", - }, - "johnny-montoya": { - title: "AI Engineer @ Unloquer", - description: - "Johnny is an AI Engineer at Unloquer and creator of content about data and AI under the handle @eldelosdatos_. He specializes in building agentic systems that encode organizational knowledge, helping companies turn their internal processes and expertise into callable agent skills.", - talkTitle: - "Executable Skills: How to Teach an Agent How Your Company Works", - talkDescription: - "How do you make an AI agent that truly understands how your company works? In this workshop, you'll learn to design and implement executable skills—reusable, structured pieces of organizational knowledge that agents can invoke. We'll cover skill architecture, knowledge representation in Python, integrating skills with popular agent frameworks, and testing skill reliability. By the end, you'll have a blueprint for building a company brain that your agents can tap into.", - }, - "nicolas-roldan-fajardo": { - title: "ML Engineer @ Loka", - description: - "Nicolás is an ML Engineer at Loka focused on evaluation frameworks for agentic AI systems. He works on designing robust test suites that validate agent behavior across complex multi-step workflows, bringing engineering rigor to the often-overlooked challenge of AI evaluation.", - talkTitle: - "The Fellowship of Agentic Evaluations: How to Evaluate an Agent?", - talkDescription: - "How do you know if your AI agent is actually doing the right thing? In this workshop, we'll explore practical evaluation frameworks for agentic systems. Forming a fellowship of evaluation techniques—from simple unit tests to complex behavioral evaluations—we'll apply them to real agent scenarios. You'll learn to define evaluation criteria, implement automated test suites, measure agent performance quantitatively, and track improvement over time.", - }, - "maria-fernanda-rojas-castro": { - title: "ML Engineer @ Loka", - description: - "María Fernanda is an ML Engineer at Loka with expertise in building and evaluating intelligent systems. She focuses on practical methodologies for ensuring AI agent reliability and safety, and collaborates on research into scalable evaluation techniques for production agentic workflows.", - talkTitle: - "The Fellowship of Agentic Evaluations: How to Evaluate an Agent?", - talkDescription: - "How do you know if your AI agent is actually doing the right thing? In this workshop, we'll explore practical evaluation frameworks for agentic systems. Forming a fellowship of evaluation techniques—from simple unit tests to complex behavioral evaluations—we'll apply them to real agent scenarios. You'll learn to define evaluation criteria, implement automated test suites, measure agent performance quantitatively, and track improvement over time.", - }, - "jonathan-vallejo-munoz": { - title: "Software Engineer @ Lendingfront", - description: - "Jonathan is a Software Engineer at Lendingfront working at the intersection of AI-assisted development and software architecture. He advocates for disciplined development practices that go beyond prompt-driven coding, and explores how structured specifications can make AI-generated code more coherent and maintainable.", - talkTitle: "Beyond Vibe Coding: Spec Driven Development with Code Graphs", - talkDescription: - "Go beyond vibe coding and learn how to use specifications and code graphs to guide AI-assisted development. In this workshop, you'll discover how structured specs and dependency graphs give AI coding tools the context they need to produce coherent, maintainable code. We'll work with real Python projects to define specs, generate code graphs, and wire them into your AI-assisted workflow—resulting in code that actually makes sense architecturally.", - }, - "esneider-bravo-benitez": { - title: "Software Engineer @ Muno Labs", - description: - "Esneider is a Software Engineer at Muno Labs with a focus on code generation tools and developer experience. He explores how structured specifications can guide AI coding assistants to produce more reliable outputs, and contributes to open-source tooling for spec-driven AI development.", - talkTitle: "Beyond Vibe Coding: Spec Driven Development with Code Graphs", - talkDescription: - "Go beyond vibe coding and learn how to use specifications and code graphs to guide AI-assisted development. In this workshop, you'll discover how structured specs and dependency graphs give AI coding tools the context they need to produce coherent, maintainable code. We'll work with real Python projects to define specs, generate code graphs, and wire them into your AI-assisted workflow—resulting in code that actually makes sense architecturally.", - }, - "maris-botero": { - title: "ML Engineer @ Mercado Libre", - description: - "Maris is an ML Engineer at Mercado Libre passionate about making AI accessible to developers at all levels. She specializes in building multi-agent systems with Python and loves demystifying complex AI concepts through practical, beginner-friendly workshops.", - talkTitle: "From Prompts to Agents: Intelligent Systems with Python", - talkDescription: - "Take your first steps from writing simple prompts to building intelligent multi-agent systems with Python. In this beginner-friendly workshop, you'll learn the foundations of AI agents, how they differ from simple LLM calls, how to chain agents together for complex tasks, and how to give them tools and memory. Using popular Python frameworks, you'll build a working multi-agent system by the end of the session—no prior AI experience needed.", - }, - "jose-hernan-ortiz-ocampo": { - title: "Senior ML Engineer @ Loka", - description: - "José Hernán is a Senior ML Engineer at Loka with deep expertise in agentic AI frameworks. He has designed and built production multi-agent systems using a variety of orchestration tools, and brings a pragmatic, engineering-first perspective to AI development—focused on what works in production rather than what looks impressive in demos.", - talkTitle: - "LangGraph and Strands Agents: Core Concepts, Patterns, and Tradeoffs", - talkDescription: - "Dive deep into two powerful agentic frameworks—LangGraph and Strands Agents—and learn when to use each. This advanced workshop covers the core concepts behind both frameworks: state machines, graph-based orchestration, tool use, and memory management. We'll build the same agentic application in both frameworks, compare their strengths and limitations, and discuss the architectural trade-offs to help you choose the right tool for your production AI systems.", - }, - "isabel-mora": { - title: "Junior ML Engineer @ Loka", - description: - "Isabel is a Junior ML Engineer at Loka contributing to the development and evaluation of agentic AI systems. She brings fresh perspectives to agent design and implementation challenges, and is passionate about making complex AI frameworks understandable and accessible.", - talkTitle: "", - talkDescription: "", - }, - "jose-hernan-ortiz-ocampo-2": { - title: "Senior ML Engineer @ Loka", - description: - "José Hernán is a Senior ML Engineer at Loka with deep expertise in agentic AI frameworks. He has designed and built production multi-agent systems using a variety of orchestration tools, and brings a pragmatic, engineering-first perspective to AI development—focused on what works in production rather than what looks impressive in demos.", - talkTitle: - "Multi-Agent Teams in AI-Assisted Development: A Glimpse Into the Future of Programming", - talkDescription: - "Get a glimpse into the future of programming, where teams of AI agents collaborate with human developers. In this workshop, you'll explore cutting-edge patterns for multi-agent collaboration in AI-assisted development: code generation agents, review agents, testing agents, and orchestration strategies. We'll build a mini multi-agent development team using Python and the Claude SDK, and discuss where this technology is heading and how developers can prepare.", - }, - "daniel-sabogal": { - title: "Data & ML Intern @ Loka", - description: - "Daniel is a Data & ML Intern at Loka passionate about exploring the intersection of multi-agent systems and software development workflows. He brings curiosity and fresh ideas to the future of AI-assisted programming, and is eager to share what he's learned building with cutting-edge AI tools.", - talkTitle: "", - talkDescription: "", - }, - "jose-arturo-osorio-londono": { - title: "Data Engineer @ Lovelytics", - description: - "José Arturo is a Data Engineer at Lovelytics specializing in the modernization of data pipelines and workflows. He explores how generative AI is transforming traditional data engineering practices into adaptive, intelligent systems—and helps teams navigate the evolution from rigid ETL to dynamic agentic architectures.", - talkTitle: - "From ETL to Agentic Workflows: The Evolution of Data Engineering in the Generative AI Era", - talkDescription: - "Traditional ETL pipelines are deterministic and rigid. Agentic workflows powered by generative AI can adapt, reason, and handle the unexpected. In this workshop, you'll learn how to evolve your data engineering practices from classic ETL to intelligent agentic workflows. We'll cover designing agents for data extraction, transformation decisions, and loading strategies—as well as how to combine traditional orchestration tools with AI agents for hybrid architectures.", - }, - "biviana-marcela-suarez-sierra": { - title: - "Affiliated Professor, Computing and Analytics @ Universidad EAFIT", - description: - "Biviana Marcela Suárez Sierra is a statistician and data science researcher with experience in statistical modeling, machine learning, and computational analysis of complex data. She is currently a university professor and leads interdisciplinary research projects integrating statistics, programming, and data analysis to address problems in health, energy, environment, and digital humanities. Her recent work has focused on developing methodologies for analyzing large textual corpora using NLP, text mining, and statistical learning. She has led teams of students and researchers from diverse disciplines to study how discourses about science, culture, and society circulate in Colombian media. With more than a decade of experience in research and data analysis, her main interest is building bridges between computational tools and real-world problems.", - talkTitle: "NLP in Practice: From Corpus Linguistics to RAG with Python", - talkDescription: - "Natural language processing offers today a mature set of tools for analyzing textual corpora systematically and reproducibly, but the path from having documents to obtaining results is not always clear. This workshop walks through that path from start to finish. In two hours, participants will build an understanding of the NLP ecosystem: its history, logic, and methods. The session opens with a timeline from the first rule-based models to transformers, followed by a map of techniques organized by problem type (classification, entity extraction, semantic search, generation) so each participant can identify which method they need for a specific textual problem. The second part covers two Python implementations. First, topic modeling with BERTopic, reviewing the internal pipeline of embeddings, UMAP, and HDBSCAN. Second, a conversational assistant with RAG: corpus indexing, semantic retrieval, and connection to a language model to answer queries about the documents. At the end, each participant will have a functional notebook with both pipelines and a clear map of the ecosystem to guide their own textual analysis projects.", - workshopRequirements: - "Bring a laptop with a Google account to access Google Colab, where all notebooks will be available. Participants using Colab do not need to install anything beforehand. For those who prefer a local environment, Python 3.10 or higher is recommended. Basic familiarity with Python is assumed. No prior NLP experience is required. It is recommended to bring a set of texts for analysis.", - }, - "andres-felipe-puerta-velez": { - title: - "Research Assistant & Master's Student in Applied Mathematics @ Universidad EAFIT", - description: - "Andrés Felipe Puerta Velez is a master's student in applied mathematics and research assistant with experience in natural language processing (NLP), integration of heterogeneous databases, and data analysis. He currently works on Bayesian g-formula for causal effect estimation and on machine learning models to estimate pollutant gas emissions and fuel consumption for low-displacement motorcycles in Colombia. As a research assistant on the project Comparative Analysis of Perceptions on Protective Behaviors against COVID-19 in Colombia, he has studied how public discourse circulates on social networks and how it behaved regarding care habits during the pandemic.", - talkTitle: "", - talkDescription: "", - }, - "dora-cecilia-alzate-gallo": { - title: "Master's Student in Humanistic Studies @ EAFIT", - description: - "Dora Cecilia Alzate Gallo is a student in the Master's in Humanistic Studies, linked to the language area and the School of Arts and Humanities at EAFIT. She will share the main linguistic challenges and decisions that allowed adapting NLP tools to Spanish and improving the quality of results obtained in text processing.", - talkTitle: "", - talkDescription: "", - }, - "karen-melissa-gomez-montoya": { - title: "Mathematical Engineer & Research Assistant @ Universidad EAFIT", - description: - "Karen Melissa Gomez Montoya is a mathematical engineer and master's student in Data Science and Analytics at EAFIT, where she also works as a research assistant on digital humanities and public sphere projects. Her work sits at the intersection between computational methods and textual corpus analysis.", - talkTitle: "", - talkDescription: "", - }, - "jesus-alfredo-reyes-vargas": { - title: "Software Engineer @ EPAM Systems", - description: - "Jesús Alfredo is a Software Engineer at EPAM Systems passionate about continuous learning and AI-powered developer education. He explores how AI tools can accelerate skill development and help engineers stay relevant in a fast-changing landscape, and is a strong advocate for structured, adaptive learning curricula.", - talkTitle: "Future-proof Engineers with AI-DLC", - talkDescription: - "AI is transforming not just what engineers build, but how they learn and grow. In this workshop, you'll discover AI-DLC (AI-Driven Learning Curriculum), a framework for creating personalized, adaptive learning paths for software engineers using AI tools. We'll explore how to design learning curricula that incorporate AI assistance, build skills that complement rather than compete with AI, and create development plans that keep engineers relevant and valuable for years to come.", - }, - "carlos-alberto-riveros-varela": { - title: "Software Engineer @ EPAM Systems", - description: - "Carlos Alberto is a Software Engineer at EPAM Systems focused on developer growth and modern learning methodologies. He is passionate about combining AI with structured learning paths to help engineers future-proof their careers and adapt to the rapidly evolving demands of the industry.", - talkTitle: "", - talkDescription: "", - }, - "felipe-sanchez": { - title: "Data Engineer @ Aimpoint Digital", - description: - "Felipe is a Data Engineer at Aimpoint Digital with expertise in building AI tool servers and integrations. He enjoys creating hands-on tutorials that make complex AI development concepts approachable and fun, and is a strong believer in learning by building real, playful projects.", - talkTitle: - "Building Your First AI Tool Server: Creating a Pokédex with FastMCP and Python", - talkDescription: - "Build your first AI tool server from scratch using FastMCP and Python, with the Pokédex as your guide! In this hands-on workshop, you'll learn the Model Context Protocol (MCP), set up a FastMCP server, implement custom tools that AI agents can call, and connect everything into a working Pokédex AI assistant. No prior MCP experience needed—just Python knowledge and a love for Pokémon.", - }, - "daniel-galvis": { - title: "Data Engineer @ Aimpoint Digital", - description: - "Daniel is a Data Engineer at Aimpoint Digital focused on AI tooling and developer experience. He brings practical expertise in building Python-based AI services and tool integrations, and enjoys collaborating on workshops that make cutting-edge AI development accessible to a broad audience.", - talkTitle: "", - talkDescription: "", - }, - "francisco-javier-moya-ortiz": { - title: "Data Analyst @ Aimpoint Digital", - description: - "Francisco Javier is a Data Analyst at Aimpoint Digital specializing in business intelligence and agentic analytics. He explores how AI agents can be integrated with modern BI tools like Sigma to create self-explanatory, autonomous dashboards that go far beyond static charts.", - talkTitle: "Dashboards That Think: Build Agentic Analytics with Sigma", - talkDescription: - "Learn how to build dashboards that don't just display data—they think. In this workshop, you'll combine Sigma's business intelligence capabilities with Python-based AI agents to create agentic analytics dashboards. We'll cover integrating LLMs with Sigma, building agent-driven data narratives, automating insight discovery, and creating dashboards that can answer follow-up questions and adapt dynamically to user context.", - }, - "andres-vasquez-restrepo": { - title: "Data Scientist @ Cuesta Partners", - description: - "Andrés is a Data Scientist at Cuesta Partners applying machine learning and AI to food science and nutritional product design. His interdisciplinary work bridges Python-based AI with domain expertise in nutrition and formulation, demonstrating the power of AI in non-traditional domains.", - talkTitle: - "PyBlend: Towards an AI Food Scientist for Nutritional Product Design", - talkDescription: - "Discover how Python and AI are transforming nutritional product design. In this workshop, you'll be introduced to PyBlend, a framework that models the complex optimization problem of designing nutritional formulations. We'll explore how machine learning algorithms can navigate vast ingredient spaces, balance nutritional constraints, and generate novel product formulations. Attendees will gain hands-on experience with AI-driven product design and learn how Python makes interdisciplinary AI applications possible.", - }, - "cesar-mateo-gonzalez-rodriguez": { - title: "Data Scientist @ GoDaddy", - description: - "César Mateo is a Data Scientist at GoDaddy specializing in anomaly detection and unsupervised learning. He applies deep learning techniques, including autoencoders, to find rare but critical patterns in large-scale datasets—combining theoretical rigor with practical engineering to deliver production-ready solutions.", - talkTitle: - "How to Find Pearls on the Bottom of the Sea – Autoencoders as Anomaly Detection Models", - talkDescription: - "Like finding pearls on the ocean floor, detecting rare anomalies in large datasets requires sophisticated techniques. In this workshop, you'll learn the theory and practice of autoencoder architectures, how to train them for anomaly detection, how to set decision boundaries, and how to evaluate their performance. We'll work with real-world datasets and build complete anomaly detection pipelines in Python.", - }, - "juan-guillermo-gomez": { - title: "Founder @ DevHack", - description: - "Juan Guillermo is the founder of DevHack and a renowned speaker on Python, AI, and software architecture throughout Latin America. He has years of experience teaching developers about practical AI implementation patterns and multi-agent system design, and is a passionate advocate for the Python community.", - talkTitle: "Patterns, Protocols and Tactics for Multi-Agent Systems", - talkDescription: - "Master the essential patterns, protocols, and tactics for building robust multi-agent systems in Python. In this workshop, you'll learn proven architectural patterns for multi-agent collaboration, communication protocols between agents, error handling and recovery strategies, and practical implementation tactics. Drawing from real-world experience, we'll build multiple agent architectures and analyze their trade-offs—giving you a reusable toolkit for designing multi-agent systems.", - }, - "mauricio-repetto-ferrero": { - title: "AI Engineer @ Nortal", - description: - "Mauricio is an AI Engineer at Nortal with a passion for optimizing LLM token consumption. He developed TOON, a tool for creating compact, semantically rich data representations that reduce token usage while improving AI comprehension—helping teams cut costs without losing model performance.", - talkTitle: - "Now or Never! Token Diet with TOON to Save Money and Help AI Understand More", - talkDescription: - "Tokens cost money, and every unnecessary token you send to an LLM is money wasted. In this workshop, you'll learn how to put your AI applications on a token diet using TOON, a Python tool for creating compact, semantically rich data representations. We'll cover TOON's architecture, how to serialize complex data structures efficiently, measure token reduction, and integrate TOON into existing AI pipelines—without losing the information your models need.", - }, - "dario-jesus-guzman-duran": { - title: "Software Engineer @ Gudar Devs", - description: - "Darío Jesús is a Software Engineer at Gudar Devs specializing in high-performance data processing and async Python. He builds scalable video processing pipelines that leverage Python's async capabilities for maximum throughput, and is passionate about squeezing every bit of performance out of Python I/O workloads.", - talkTitle: "High-Performance Video Ingestion with Async Python", - talkDescription: - "Video is one of the most demanding data types to process. In this workshop, you'll learn how to build high-performance video ingestion pipelines using Python's async capabilities. We'll cover asyncio fundamentals for I/O-bound video processing, concurrent frame extraction and processing, async queue patterns for data pipelines, performance profiling and optimization, and real-world deployment considerations. Build a production-grade async video ingestion system from scratch.", - }, - "juan-jose-barrientos-salazar": { - title: "AI Engineer @ The TRES Group", - description: - "Juan José is an AI Engineer at The TRES Group with a strong foundation in the mathematics of deep learning. He specializes in understanding and implementing transformer architectures from first principles using PyTorch, making the inner workings of LLMs accessible to engineers who want to go beyond API calls.", - talkTitle: - "LLMs in Depth: How an LLM Works Mathematically (and Its Implementation with PyTorch)", - talkDescription: - "Demystify the mathematics behind Large Language Models and implement them from scratch in PyTorch. This advanced workshop takes you through the complete mathematical foundations: attention mechanisms, transformer architecture, positional encodings, layer normalization, and training dynamics. For each mathematical concept, we'll write the corresponding PyTorch implementation—giving you a deep, hands-on understanding of how LLMs actually work under the hood.", - }, - "raul-rodriguez": { - title: "AI Engineer @ Mercado Libre", - description: - "Raúl is an AI Engineer at Mercado Libre working on innovative AI copilot applications. He built NORTH, a system that uses Claude as a true coding and decision-making copilot for real-world engineering workflows—demonstrating what it looks like when AI goes beyond autocomplete and becomes a genuine engineering partner.", - talkTitle: "NORTH: Claude as a Real Copilot", - talkDescription: - "Learn how NORTH uses Claude as a genuine coding copilot—not just a code completer, but a true engineering partner. In this workshop, you'll explore the architecture of NORTH and learn how to build similar AI copilot integrations using Claude's API and Python. We'll cover prompt engineering for coding assistance, maintaining context across long sessions, integrating with development workflows, and building the feedback loops that make AI copilots genuinely useful.", - }, - "jeronimo-lopez-gomez": { - title: "Researcher @ Universidad de Antioquia", - description: - "Jerónimo is a researcher at Universidad de Antioquia specializing in hardware-software co-design and machine learning acceleration. He works on deploying ML models to FPGAs and other hardware platforms using hls4ml and Python, bridging the gap between high-level Python ML development and low-level hardware implementation.", - talkTitle: "hls4ml: From Python Models to Hardware Acceleration", - talkDescription: - "Bridge the gap between Python machine learning and hardware implementation using hls4ml. In this workshop, you'll learn how to take ML models trained in Python (TensorFlow, PyTorch, scikit-learn) and deploy them to FPGAs using the hls4ml library. We'll cover model quantization, hardware-aware training, the HLS synthesis workflow, performance profiling, and practical considerations for deploying ML at the edge. No prior FPGA experience required.", - }, - "natalia-echeverri-duran": { - title: "Researcher @ Universidad de Antioquia", - description: - "Natalia is a researcher at Universidad de Antioquia focused on machine learning hardware acceleration. She explores techniques for efficiently mapping Python ML models to FPGA implementations for edge computing applications, contributing to research at the frontier of AI hardware co-design.", - talkTitle: "hls4ml: From Python Models to Hardware Acceleration", - talkDescription: - "Bridge the gap between Python machine learning and hardware implementation using hls4ml. In this workshop, you'll learn how to take ML models trained in Python (TensorFlow, PyTorch, scikit-learn) and deploy them to FPGAs using the hls4ml library. We'll cover model quantization, hardware-aware training, the HLS synthesis workflow, performance profiling, and practical considerations for deploying ML at the edge. No prior FPGA experience required.", - }, - }, - es: { - "david-felipe-vanegas-ramirez": { - title: "Advanced Data Engineer @ Loka", - description: - "David es ingeniero de datos en Loka, donde diseña y mantiene plataformas de datos en AWS para clientes de múltiples industrias. Con casi cinco años de experiencia, su trabajo diario gira en torno a Apache Iceberg, PySpark, Airflow y arquitecturas lakehouse en producción. Tiene certificaciones de AWS y Databricks y ha explorado recientemente la intersección entre ingeniería de datos y agentes de IA. Con base en Bogotá, cree que hay escasez de contenido técnico práctico en español sobre ingeniería de datos moderna.", - talkTitle: "From S3 to AI Agent: Your First Queryable Lakehouse", - talkDescription: - "Los agentes de IA son tan buenos como los datos que pueden consultar. El problema es que la mayoría de los agentes que se construyen hoy están conectados a CSVs desactualizados, bases de datos sin estructura o simplemente a nada. ¿Y si tu agente pudiera consultar un lakehouse real — con versionado, evolución de esquemas y viajes en el tiempo — usando lenguaje natural? En este taller construiremos exactamente eso, desde cero, usando únicamente herramientas open source que corren en tu laptop. Partiendo de un stack local con Docker Compose, levantaremos MinIO, Apache Iceberg, Project Nessie y Trino; sobre esa base construiremos un servidor MCP en Python y conectaremos Claude para consultar el lakehouse en lenguaje natural.", - workshopRequirements: - "Hardware mínimo: laptop con al menos 8 GB de RAM (16 GB recomendado) y 10 GB de espacio libre en disco.\n\nSoftware requerido — instalar antes del evento:\n• Docker Desktop: https://www.docker.com/products/docker-desktop\n• Python 3.11+: https://www.python.org/downloads\n• Git: https://git-scm.com\n• Claude Desktop (gratuito): https://claude.ai/download\n• VS Code (recomendado): https://code.visualstudio.com", - }, - "felix-mino": { - title: "Ingeniero de Software @ Stack Builders", - description: - "Félix es Ingeniero de Software en Stack Builders con enfoque en prácticas de testing y herramientas para desarrolladores. Defiende enfoques prácticos para la calidad del software y cree que las pruebas de integración reales—respaldadas por servicios verdaderamente en ejecución—son mucho más valiosas que elaborados setups de mocks.", - talkTitle: "Deja de hacer mocks, empieza a contenerizar", - talkDescription: - "¿Cansado de mantener objetos mock frágiles que no reflejan el comportamiento en producción? En este taller aprenderás cómo reemplazar mocks con servicios reales contenerizados usando Docker y Testcontainers para Python. Configuraremos PostgreSQL, Redis y APIs externas como contenedores en tu suite de pruebas, escribiremos pruebas de integración que realmente validen el comportamiento de tu sistema y optimizaremos tu flujo de trabajo de testing para pipelines CI/CD más rápidos y confiables.", - }, - "roberto-bedoya-garcia": { - title: "Ingeniero de IA @ NowBit", - description: - "Roberto es Ingeniero de IA en NowBit enfocado en observabilidad y optimización de costos para LLMs. Ayuda a equipos a monitorear, depurar y reducir los costos operacionales de sistemas de IA en producción, convirtiendo el gasto en tokens de una responsabilidad impredecible en una preocupación de ingeniería manejable.", - talkTitle: "Tu LLM está sangrando dinero y Python puede pararlo", - talkDescription: - "Cada token que procesa tu LLM cuesta dinero, y sin una observabilidad adecuada, los costos pueden descontrolarse. En este taller aprenderás cómo instrumentar tus aplicaciones Python con LLM para rastrear el uso de tokens, la latencia y el costo por solicitud. Construiremos una pila de observabilidad completa usando herramientas de código abierto, configuraremos alertas para anomalías de costo e implementaremos estrategias para reducir tu factura de LLM sin sacrificar la calidad.", - }, - "hazel-saenz": { - title: "Developer Advocate @ AWS", - description: - "Hazel es Developer Advocate en AWS apasionada por hacer la IA accesible a través de herramientas de código abierto. Crea demos y talleres que ayudan a los desarrolladores a comenzar con agentes de IA y Python, con especial enfoque en aplicaciones creativas y amigables para principiantes.", - talkTitle: "Crea tu DJ con IA: Agentes en Python y Open Source", - talkDescription: - "¡Crea tu propio DJ con IA usando agentes Python y herramientas de código abierto! En este taller para principiantes aprenderás los fundamentos de los agentes de IA, construirás un sistema de recomendación de música impulsado por Python y lo conectarás a APIs de música reales. No se requiere experiencia previa en IA, solo curiosidad y amor por la música. Al final tendrás un DJ de IA funcional que crea playlists basadas en el estado de ánimo, género y preferencias personales.", - }, - "emanuel-zapata-querubin": { - title: "Ingeniero de Datos @ Lovelytics", - description: - "Emanuel es Ingeniero de Datos en Lovelytics especializado en MLOps y arquitectura de plataformas de datos. Tiene experiencia práctica llevando proyectos de ML desde notebooks exploratorios hasta pipelines de producción completamente automatizados en Databricks, y es apasionado por cerrar la brecha entre la ciencia de datos y la ingeniería.", - talkTitle: "De Notebook a Producción: MLOps End-to-End en Databricks", - talkDescription: - "Supera los Jupyter notebooks y despliega modelos de machine learning en producción usando las mejores prácticas de MLOps en Databricks. En este taller intermedio aprenderás a estructurar proyectos de ML para producción, implementar pipelines CI/CD para modelos, gestionar experimentos con MLflow, desplegar modelos como APIs REST y monitorearlos en producción. Recorreremos un ejemplo completo de extremo a extremo desde la preparación de datos hasta el reentrenamiento automatizado.", - }, - "santiago-suarez-sampayo": { - title: "Ingeniero de Datos @ Aimpoint Digital", - description: - "Santiago es Ingeniero de Datos en Aimpoint Digital con experiencia construyendo aplicaciones e integraciones impulsadas por IA. Le gusta crear herramientas prácticas para desarrolladores que combinan APIs de IA de vanguardia con plataformas de comunicación cotidianas, haciendo que capacidades avanzadas de IA sean accesibles para cualquier usuario.", - talkTitle: - "Construye un Asistente de Código estilo OpenClaw en WhatsApp con el SDK de Agentes de Claude", - talkDescription: - "Construye un asistente de codificación de IA completamente funcional que vive en WhatsApp, inspirado en OpenClaw, usando el SDK de Agentes de Claude y Python. En este taller práctico aprenderás a integrar el SDK de Agentes de Claude con la API de WhatsApp Business, diseñar flujos conversacionales para asistencia de código, manejar conversaciones de múltiples turnos con memoria y desplegar tu asistente en la nube. Terminarás con un compañero de codificación de IA accesible desde cualquier dispositivo.", - }, - "johnny-montoya": { - title: "Ingeniero de IA @ Unloquer", - description: - "Johnny es Ingeniero de IA en Unloquer y creador de contenido sobre datos e IA bajo el nombre @eldelosdatos_. Se especializa en construir sistemas agénticos que codifican el conocimiento organizacional, ayudando a las empresas a convertir sus procesos internos y experiencia en skills ejecutables para agentes.", - talkTitle: - "Skills ejecutables: cómo enseñarle a un agente cómo funciona tu empresa", - talkDescription: - "¿Cómo crear un agente de IA que realmente entienda cómo funciona tu empresa? En este taller aprenderás a diseñar e implementar skills ejecutables: piezas reutilizables y estructuradas de conocimiento organizacional que los agentes pueden invocar. Cubriremos arquitectura de skills, representación del conocimiento en Python, integración de skills con frameworks de agentes populares y prueba de la confiabilidad de los skills. Al final tendrás un blueprint para construir un cerebro empresarial que tus agentes puedan usar.", - }, - "nicolas-roldan-fajardo": { - title: "Ingeniero de ML @ Loka", - description: - "Nicolás es Ingeniero de ML en Loka enfocado en marcos de evaluación para sistemas de IA agéntica. Trabaja en el diseño de suites de pruebas robustas que validan el comportamiento de agentes en flujos de trabajo complejos de múltiples pasos, aportando rigor de ingeniería al reto frecuentemente subestimado de la evaluación de IA.", - talkTitle: - "La Comunidad de las Evaluaciones Agénticas: ¿Cómo evaluar un agente?", - talkDescription: - "¿Cómo sabes si tu agente de IA realmente está haciendo lo correcto? En este taller exploraremos marcos de evaluación prácticos para sistemas agénticos. Formaremos una comunidad de técnicas de evaluación—desde pruebas unitarias simples hasta evaluaciones de comportamiento complejas—y las aplicaremos a escenarios reales de agentes. Aprenderás a definir criterios de evaluación, implementar suites de pruebas automatizadas, medir el rendimiento de los agentes cuantitativamente y rastrear la mejora a lo largo del tiempo.", - }, - "maria-fernanda-rojas-castro": { - title: "Ingeniera de ML @ Loka", - description: - "María Fernanda es Ingeniera de ML en Loka con experiencia en la construcción y evaluación de sistemas inteligentes. Se enfoca en metodologías prácticas para garantizar la confiabilidad y seguridad de los agentes de IA, y colabora en investigación sobre técnicas de evaluación escalables para flujos de trabajo agénticos en producción.", - talkTitle: - "La Comunidad de las Evaluaciones Agénticas: ¿Cómo evaluar un agente?", - talkDescription: - "¿Cómo sabes si tu agente de IA realmente está haciendo lo correcto? En este taller exploraremos marcos de evaluación prácticos para sistemas agénticos. Formaremos una comunidad de técnicas de evaluación—desde pruebas unitarias simples hasta evaluaciones de comportamiento complejas—y las aplicaremos a escenarios reales de agentes. Aprenderás a definir criterios de evaluación, implementar suites de pruebas automatizadas, medir el rendimiento de los agentes cuantitativamente y rastrear la mejora a lo largo del tiempo.", - }, - "jonathan-vallejo-munoz": { - title: "Ingeniero de Software @ Lendingfront", - description: - "Jonathan es Ingeniero de Software en Lendingfront trabajando en la intersección del desarrollo asistido por IA y la arquitectura de software. Defiende prácticas de desarrollo disciplinadas que van más allá de la programación basada en prompts, y explora cómo las especificaciones estructuradas pueden hacer que el código generado por IA sea más coherente y mantenible.", - talkTitle: - "Más allá del Vibe Coding: Spec Driven Development con Code Graphs", - talkDescription: - "Ve más allá del vibe coding y aprende a usar especificaciones y grafos de código para guiar el desarrollo asistido por IA. En este taller descubrirás cómo las especificaciones estructuradas y los grafos de dependencias dan a las herramientas de codificación de IA el contexto que necesitan para producir código coherente y mantenible. Trabajaremos con proyectos reales de Python para definir specs, generar grafos de código y conectarlos a tu flujo de trabajo asistido por IA, resultando en código que tiene sentido arquitectónicamente.", - }, - "esneider-bravo-benitez": { - title: "Ingeniero de Software @ Muno Labs", - description: - "Esneider es Ingeniero de Software en Muno Labs con enfoque en herramientas de generación de código y experiencia del desarrollador. Explora cómo las especificaciones estructuradas pueden guiar a los asistentes de codificación de IA para producir resultados más confiables, y contribuye a herramientas de código abierto para el desarrollo dirigido por especificaciones.", - talkTitle: - "Más allá del Vibe Coding: Spec Driven Development con Code Graphs", - talkDescription: - "Ve más allá del vibe coding y aprende a usar especificaciones y grafos de código para guiar el desarrollo asistido por IA. En este taller descubrirás cómo las especificaciones estructuradas y los grafos de dependencias dan a las herramientas de codificación de IA el contexto que necesitan para producir código coherente y mantenible. Trabajaremos con proyectos reales de Python para definir specs, generar grafos de código y conectarlos a tu flujo de trabajo asistido por IA, resultando en código que tiene sentido arquitectónicamente.", - }, - "maris-botero": { - title: "Ingeniera de ML @ Mercado Libre", - description: - "Maris es Ingeniera de ML en Mercado Libre apasionada por hacer la IA accesible para desarrolladores de todos los niveles. Se especializa en construir sistemas multi-agente con Python y le encanta desmitificar conceptos complejos de IA a través de talleres prácticos y amigables para principiantes.", - talkTitle: "De Prompts a Agentes: sistemas inteligentes con Python", - talkDescription: - "Da tus primeros pasos desde escribir prompts simples hasta construir sistemas multi-agente inteligentes con Python. En este taller para principiantes aprenderás los fundamentos de los agentes de IA, cómo se diferencian de las simples llamadas a LLM, cómo encadenar agentes para tareas complejas y cómo darles herramientas y memoria. Usando frameworks populares de Python, construirás un sistema multi-agente funcional al final de la sesión, sin experiencia previa en IA.", - }, - "jose-hernan-ortiz-ocampo": { - title: "Ingeniero Senior de ML @ Loka", - description: - "José Hernán es Ingeniero Senior de ML en Loka con profunda experiencia en frameworks de IA agéntica. Ha diseñado y construido sistemas multi-agente en producción usando diversas herramientas de orquestación, y aporta una perspectiva pragmática y orientada a la ingeniería al desarrollo de IA, enfocada en lo que funciona en producción más que en lo que impresiona en demos.", - talkTitle: - "LangGraph y Strands Agents: Conceptos Clave, Patrones y Trade-offs", - talkDescription: - "Sumérgete en dos poderosos frameworks agénticos—LangGraph y Strands Agents—y aprende cuándo usar cada uno. Este taller avanzado cubre los conceptos fundamentales detrás de ambos frameworks: máquinas de estados, orquestación basada en grafos, uso de herramientas y gestión de memoria. Construiremos la misma aplicación agéntica en ambos frameworks, compararemos sus fortalezas y limitaciones, y discutiremos los trade-offs arquitectónicos para ayudarte a elegir la herramienta correcta para tus sistemas de IA en producción.", - }, - "isabel-mora": { - title: "Ingeniera Junior de ML @ Loka", - description: - "Isabel es Ingeniera Junior de ML en Loka contribuyendo al desarrollo y evaluación de sistemas de IA agéntica. Aporta perspectivas frescas a los desafíos de diseño e implementación de agentes, y es apasionada por hacer que los frameworks complejos de IA sean comprensibles y accesibles.", - talkTitle: "", - talkDescription: "", - }, - "jose-hernan-ortiz-ocampo-2": { - title: "Ingeniero Senior de ML @ Loka", - description: - "José Hernán es Ingeniero Senior de ML en Loka con profunda experiencia en frameworks de IA agéntica. Ha diseñado y construido sistemas multi-agente en producción usando diversas herramientas de orquestación, y aporta una perspectiva pragmática y orientada a la ingeniería al desarrollo de IA, enfocada en lo que funciona en producción más que en lo que impresiona en demos.", - talkTitle: - "Equipos Multi-Agente en el Desarrollo Asistido por IA: Un Vistazo al Futuro de la Programación", - talkDescription: - "Obtén una visión del futuro de la programación, donde equipos de agentes de IA colaboran con desarrolladores humanos. En este taller explorarás patrones de vanguardia para la colaboración multi-agente en el desarrollo asistido por IA: agentes de generación de código, agentes de revisión, agentes de pruebas y estrategias de orquestación. Construiremos un mini equipo de desarrollo multi-agente usando Python y el SDK de Claude, y discutiremos hacia dónde va esta tecnología y cómo los desarrolladores pueden prepararse.", - }, - "daniel-sabogal": { - title: "Pasante de Datos y ML @ Loka", - description: - "Daniel es Pasante de Datos y ML en Loka apasionado por explorar la intersección de los sistemas multi-agente y los flujos de trabajo de desarrollo de software. Aporta curiosidad e ideas frescas al futuro de la programación asistida por IA, y comparte sus aprendizajes construyendo con herramientas de IA de vanguardia.", - talkTitle: "", - talkDescription: "", - }, - "jose-arturo-osorio-londono": { - title: "Ingeniero de Datos @ Lovelytics", - description: - "José Arturo es Ingeniero de Datos en Lovelytics especializado en la modernización de pipelines y flujos de trabajo de datos. Explora cómo la IA generativa está transformando las prácticas tradicionales de ingeniería de datos en sistemas adaptativos e inteligentes, y ayuda a los equipos a navegar la evolución del ETL rígido a arquitecturas agénticas dinámicas.", - talkTitle: - "De ETL a Agentic Workflows: la evolución de la ingeniería de datos en la era de la IA generativa", - talkDescription: - "Los pipelines ETL tradicionales son determinísticos y rígidos. Los flujos de trabajo agénticos impulsados por IA generativa pueden adaptarse, razonar y manejar lo inesperado. En este taller aprenderás cómo evolucionar tus prácticas de ingeniería de datos desde el ETL clásico hacia flujos de trabajo agénticos inteligentes. Cubriremos el diseño de agentes para extracción de datos, decisiones de transformación y estrategias de carga, así como cómo combinar herramientas de orquestación tradicionales con agentes de IA para arquitecturas híbridas.", - }, - "biviana-marcela-suarez-sierra": { - title: - "Profesora vinculada al área de Computación y analítica @ Universidad EAFIT", - description: - "Biviana Marcela Suárez Sierra es estadística e investigadora en ciencia de datos, con experiencia en modelación estadística, aprendizaje automático y análisis computacional de datos complejos. Actualmente es profesora universitaria y dirige proyectos de investigación interdisciplinarios que integran estadística, programación y análisis de datos para abordar problemas en salud, energía, medio ambiente y humanidades digitales. Su trabajo reciente se ha centrado en el desarrollo de metodologías para el análisis de grandes corpus textuales mediante técnicas de procesamiento de lenguaje natural (NLP), minería de textos y aprendizaje estadístico. Como investigadora vinculada al proyecto Arte, ciencia y tecnología en la esfera pública, ha liderado equipos conformados por estudiantes e investigadores de diversas disciplinas para estudiar cómo circulan los discursos sobre ciencia, cultura y sociedad en medios de comunicación colombianos. Cuenta con más de una década de experiencia en investigación y análisis de datos. Su interés principal es construir puentes entre las herramientas computacionales y los problemas reales.", - talkTitle: - "NLP en la práctica: de lingüística de corpus a RAG con Python", - talkDescription: - "El procesamiento de lenguaje natural ofrece hoy un conjunto maduro de herramientas para analizar corpus textuales de forma sistemática y reproducible, pero el camino entre tener los documentos y obtener resultados no siempre es claro. Este workshop recorre ese camino de principio a fin. En dos horas, los participantes construirán una comprensión del ecosistema NLP: su historia, su lógica y sus métodos. La sesión abre con una línea de tiempo que va desde los primeros modelos basados en reglas hasta los transformers, seguida de un mapa de técnicas organizadas por tipo de problema (clasificación, extracción de entidades, búsqueda semántica, generación) para que cada participante pueda identificar qué método necesita ante un problema textual concreto. La segunda parte cubre dos implementaciones con Python. Primero, modelado de tópicos con BERTopic, revisando el pipeline interno de embeddings, UMAP y HDBSCAN. Segundo, un asistente conversacional con RAG: indexación del corpus, recuperación semántica y conexión con un modelo de lenguaje para responder consultas sobre los documentos. Al finalizar, cada participante tendrá un notebook funcional con los dos pipelines y un mapa claro del ecosistema para orientar sus propios proyectos de análisis textual.", - workshopRequirements: - "Se recomienda traer un computador portátil con una cuenta de Google para acceder a Google Colab, donde estarán disponibles todos los notebooks. Los participantes que utilicen Colab no necesitan instalar nada previamente. Para quienes prefieran trabajar en un entorno local, se recomienda tener instalado Python 3.10 o superior. Se asume familiaridad básica con Python. No se requiere experiencia previa en procesamiento de lenguaje natural. Se recomienda tener un grupo de textos para el análisis.", - }, - "andres-felipe-puerta-velez": { - title: - "Asistente de investigación y estudiante de maestría en matemáticas aplicadas @ Universidad EAFIT", - description: - "Andrés Felipe Puerta Velez es estudiante de maestría en matemáticas aplicadas y asistente de investigación, con experiencia en procesamiento de lenguaje natural (NLP), integración de bases de datos heterogéneas y análisis de datos. Actualmente trabaja en el uso de la g-formula bayesiana como solución a la multiplicidad de estimadores de efecto causal y en el uso de modelos de machine learning para la estimación de emisiones de gases contaminantes y consumo de combustible para motos de bajo cilindraje en el contexto colombiano. Como asistente de investigación del proyecto Análisis Comparativo de Percepciones sobre Comportamientos Protectores frente al COVID-19 en Colombia, ha trabajado en equipos multidisciplinarios para estudiar cómo circula el discurso público en redes sociales y su comportamiento respecto a hábitos de cuidado durante la pandemia.", - talkTitle: "", - talkDescription: "", - }, - "dora-cecilia-alzate-gallo": { - title: "Estudiante de la Maestría en Estudios Humanísticos @ EAFIT", - description: - "Dora Cecilia Alzate Gallo es estudiante de la Maestría en Estudios Humanísticos, vinculada al área de lenguaje y a la Escuela de Artes y Humanidades. Compartirá los principales desafíos y decisiones lingüísticas que permitieron adaptar estas herramientas al español y mejorar la calidad de los resultados obtenidos en el procesamiento de textos.", - talkTitle: "", - talkDescription: "", - }, - "karen-melissa-gomez-montoya": { - title: - "Ingeniera matemática - Asistente en investigación @ Universidad EAFIT", - description: - "Karen Melissa Gomez Montoya es ingeniera matemática y estudiante de maestría en Ciencia de Datos y Analítica en EAFIT, donde también se desempeña como asistente de investigación en proyectos de humanidades digitales y esfera pública. Su trabajo se sitúa en la intersección entre métodos computacionales y análisis de corpus textuales.", - talkTitle: "", - talkDescription: "", - }, - "jesus-alfredo-reyes-vargas": { - title: "Ingeniero de Software @ EPAM Systems", - description: - "Jesús Alfredo es Ingeniero de Software en EPAM Systems apasionado por el aprendizaje continuo y la educación para desarrolladores impulsada por IA. Explora cómo las herramientas de IA pueden acelerar el desarrollo de habilidades y ayudar a los ingenieros a mantenerse relevantes en un panorama que cambia rápidamente.", - talkTitle: "Ingenieros a prueba del futuro con AI-DLC", - talkDescription: - "La IA está transformando no solo lo que construyen los ingenieros, sino cómo aprenden y crecen. En este taller descubrirás AI-DLC (Currículo de Aprendizaje Impulsado por IA), un marco para crear rutas de aprendizaje personalizadas y adaptativas para ingenieros de software usando herramientas de IA. Exploraremos cómo diseñar currículos de aprendizaje que incorporen asistencia de IA, desarrollar habilidades que complementen en lugar de competir con la IA, y crear planes de desarrollo que mantendrán a los ingenieros relevantes y valiosos por años.", - }, - "carlos-alberto-riveros-varela": { - title: "Ingeniero de Software @ EPAM Systems", - description: - "Carlos Alberto es Ingeniero de Software en EPAM Systems enfocado en el crecimiento de los desarrolladores y metodologías de aprendizaje modernas. Le apasiona combinar la IA con rutas de aprendizaje estructuradas para ayudar a los ingenieros a preparar sus carreras para el futuro y adaptarse a las demandas del sector en rápida evolución.", - talkTitle: "", - talkDescription: "", - }, - "felipe-sanchez": { - title: "Ingeniero de Datos @ Aimpoint Digital", - description: - "Felipe es Ingeniero de Datos en Aimpoint Digital con experiencia construyendo servidores de herramientas de IA e integraciones. Le gusta crear tutoriales prácticos que hacen accesibles y divertidos los conceptos complejos de desarrollo de IA, y cree firmemente en aprender construyendo proyectos reales y divertidos.", - talkTitle: - "Construye tu Primer Servidor de Herramientas de IA: Una Pokédex con FastMCP y Python", - talkDescription: - "¡Construye tu primer servidor de herramientas de IA desde cero usando FastMCP y Python, con la Pokédex como guía! En este taller práctico aprenderás el Protocolo de Contexto de Modelo (MCP), configurarás un servidor FastMCP, implementarás herramientas personalizadas que los agentes de IA pueden llamar y conectarás todo en un asistente de IA Pokédex funcional. No se necesita experiencia previa con MCP, solo conocimiento de Python y amor por Pokémon.", - }, - "daniel-galvis": { - title: "Ingeniero de Datos @ Aimpoint Digital", - description: - "Daniel es Ingeniero de Datos en Aimpoint Digital enfocado en herramientas de IA y experiencia del desarrollador. Aporta experiencia práctica en la construcción de servicios de IA basados en Python e integraciones de herramientas, y disfruta colaborar en talleres que hacen el desarrollo de IA de vanguardia accesible para una audiencia amplia.", - talkTitle: "", - talkDescription: "", - }, - "francisco-javier-moya-ortiz": { - title: "Analista de Datos @ Aimpoint Digital", - description: - "Francisco Javier es Analista de Datos en Aimpoint Digital especializado en inteligencia de negocios y analítica agéntica. Explora cómo los agentes de IA pueden integrarse con herramientas modernas de BI como Sigma para crear dashboards autónomos y auto-explicativos que van mucho más allá de los gráficos estáticos.", - talkTitle: - "Dashboards que piensan: construye analítica agéntica con Sigma", - talkDescription: - "Aprende a construir dashboards que no solo muestran datos, ¡sino que piensan! En este taller combinarás las capacidades de inteligencia de negocios de Sigma con agentes de IA basados en Python para crear dashboards de analítica agéntica. Cubriremos la integración de LLMs con Sigma, la construcción de narrativas de datos impulsadas por agentes, la automatización del descubrimiento de insights y la creación de dashboards que pueden responder preguntas de seguimiento y adaptarse dinámicamente al contexto del usuario.", - }, - "andres-vasquez-restrepo": { - title: "Científico de Datos @ Cuesta Partners", - description: - "Andrés es Científico de Datos en Cuesta Partners aplicando machine learning e IA a la ciencia alimentaria y el diseño de productos nutricionales. Su trabajo interdisciplinario conecta la IA basada en Python con la experiencia en nutrición y formulación, demostrando el poder de la IA en dominios no tradicionales.", - talkTitle: - "PyBlend: Hacia un Científico Alimentario de IA para el Diseño de Productos Nutricionales", - talkDescription: - "Descubre cómo Python y la IA están transformando el diseño de productos nutricionales. En este taller serás introducido a PyBlend, un framework que modela el complejo problema de optimización del diseño de formulaciones nutricionales. Exploraremos cómo los algoritmos de machine learning pueden navegar vastos espacios de ingredientes, equilibrar restricciones nutricionales y generar formulaciones de productos novedosas. Los asistentes obtendrán experiencia práctica con el diseño de productos impulsado por IA y aprenderán cómo Python hace posibles las aplicaciones de IA interdisciplinarias.", - }, - "cesar-mateo-gonzalez-rodriguez": { - title: "Científico de Datos @ GoDaddy", - description: - "César Mateo es Científico de Datos en GoDaddy especializado en detección de anomalías y aprendizaje no supervisado. Aplica técnicas de aprendizaje profundo, incluyendo autoencoders, para encontrar patrones raros pero críticos en conjuntos de datos a gran escala, combinando rigor teórico con ingeniería práctica para entregar soluciones listas para producción.", - talkTitle: - "Cómo encontrar perlas en el fondo del mar – Autoencoders como modelos de detección de anomalías", - talkDescription: - "Como encontrar perlas en el fondo del océano, detectar anomalías raras en grandes conjuntos de datos requiere técnicas sofisticadas. En este taller aprenderás la teoría y práctica de las arquitecturas de autoencoders, cómo entrenarlos para la detección de anomalías, cómo establecer límites de decisión y cómo evaluar su rendimiento. Trabajaremos con conjuntos de datos del mundo real y construiremos pipelines completos de detección de anomalías en Python.", - }, - "juan-guillermo-gomez": { - title: "Fundador @ DevHack", - description: - "Juan Guillermo es el fundador de DevHack y reconocido speaker sobre Python, IA y arquitectura de software en toda América Latina. Tiene años de experiencia enseñando a desarrolladores sobre patrones prácticos de implementación de IA y diseño de sistemas multi-agente, y es un apasionado defensor de la comunidad Python.", - talkTitle: "Patrones, Protocolos y Tácticas para Sistemas Multi-Agente", - talkDescription: - "Domina los patrones esenciales, protocolos y tácticas para construir sistemas multi-agente robustos en Python. En este taller aprenderás patrones arquitectónicos probados para la colaboración multi-agente, protocolos de comunicación entre agentes, estrategias de manejo de errores y recuperación, y tácticas de implementación prácticas. Basándonos en experiencia del mundo real, construiremos múltiples arquitecturas de agentes y analizaremos sus trade-offs, dándote un conjunto de herramientas reutilizable para diseñar sistemas multi-agente.", - }, - "mauricio-repetto-ferrero": { - title: "Ingeniero de IA @ Nortal", - description: - "Mauricio es Ingeniero de IA en Nortal con pasión por optimizar el consumo de tokens en LLMs. Desarrolló TOON, una herramienta para crear representaciones de datos compactas y semánticamente ricas que reducen el uso de tokens mientras mejoran la comprensión de la IA, ayudando a los equipos a recortar costos sin perder rendimiento del modelo.", - talkTitle: - "¡Es ahorra o nunca! Dieta de tokens con TOON para agrandar tu bolsillo y que la IA entienda más", - talkDescription: - "Los tokens cuestan dinero, y cada token innecesario que envías a un LLM es dinero desperdiciado. En este taller aprenderás cómo poner tus aplicaciones de IA a dieta de tokens usando TOON, una herramienta Python para crear representaciones de datos compactas y semánticamente ricas. Cubriremos la arquitectura de TOON, cómo serializar estructuras de datos complejas eficientemente, medir la reducción de tokens e integrar TOON en pipelines de IA existentes, sin perder la información que tus modelos necesitan.", - }, - "dario-jesus-guzman-duran": { - title: "Ingeniero de Software @ Gudar Devs", - description: - "Darío Jesús es Ingeniero de Software en Gudar Devs especializado en procesamiento de datos de alto rendimiento y Python asíncrono. Construye pipelines escalables de procesamiento de video que aprovechan las capacidades asíncronas de Python para máximo rendimiento, y es apasionado por exprimir cada bit de rendimiento de las cargas de trabajo de I/O en Python.", - talkTitle: "Ingestión de video de alto rendimiento con Python asíncrono", - talkDescription: - "El video es uno de los tipos de datos más exigentes para procesar. En este taller aprenderás cómo construir pipelines de ingesta de video de alto rendimiento usando las capacidades asíncronas de Python. Cubriremos los fundamentos de asyncio para el procesamiento de video ligado a I/O, extracción y procesamiento concurrente de fotogramas, patrones de cola asíncrona para pipelines de datos, perfilado y optimización de rendimiento, y consideraciones de despliegue en el mundo real. Construye un sistema de ingesta de video asíncrono de nivel producción desde cero.", - }, - "juan-jose-barrientos-salazar": { - title: "Ingeniero de IA @ The TRES Group", - description: - "Juan José es Ingeniero de IA en The TRES Group con sólidas bases en las matemáticas del aprendizaje profundo. Se especializa en entender e implementar arquitecturas transformer desde primeros principios usando PyTorch, haciendo que el funcionamiento interno de los LLMs sea accesible para ingenieros que quieren ir más allá de las llamadas a API.", - talkTitle: - "LLMs a profundidad: Cómo funciona matemáticamente un LLM (y su implementación con PyTorch)", - talkDescription: - "Desmitifica las matemáticas detrás de los Modelos de Lenguaje de Gran Escala e impleméntalas desde cero en PyTorch. Este taller avanzado te lleva a través de las bases matemáticas completas: mecanismos de atención, arquitectura transformer, codificaciones posicionales, normalización de capas y dinámica de entrenamiento. Para cada concepto matemático escribiremos la implementación correspondiente en PyTorch, dándote una comprensión profunda y práctica de cómo funcionan realmente los LLMs bajo el capó.", - }, - "raul-rodriguez": { - title: "Ingeniero de IA @ Mercado Libre", - description: - "Raúl es Ingeniero de IA en Mercado Libre trabajando en aplicaciones innovadoras de copiloto con IA. Construyó NORTH, un sistema que usa Claude como verdadero copiloto de codificación y toma de decisiones para flujos de trabajo de ingeniería del mundo real, demostrando qué significa cuando la IA va más allá del autocompletado y se convierte en un auténtico socio de ingeniería.", - talkTitle: "NORTH: Claude como copiloto real", - talkDescription: - "Aprende cómo NORTH usa Claude como un verdadero copiloto de codificación, no solo un completador de código, sino un auténtico socio de ingeniería. En este taller explorarás la arquitectura de NORTH y aprenderás cómo construir integraciones de copiloto de IA similares usando la API de Claude y Python. Cubriremos la ingeniería de prompts para asistencia de codificación, el mantenimiento del contexto a lo largo de sesiones largas, la integración con flujos de trabajo de desarrollo y la construcción de los bucles de retroalimentación que hacen a los copilotos de IA genuinamente útiles.", - }, - "jeronimo-lopez-gomez": { - title: "Investigador @ Universidad de Antioquia", - description: - "Jerónimo es investigador en la Universidad de Antioquia especializado en co-diseño hardware-software y aceleración de machine learning. Trabaja en el despliegue de modelos de ML en FPGAs y otras plataformas de hardware usando hls4ml y Python, uniendo la brecha entre el desarrollo de ML de alto nivel en Python y la implementación en hardware de bajo nivel.", - talkTitle: "hls4ml: De Modelos Python a Aceleración en Hardware", - talkDescription: - "Une la brecha entre el machine learning en Python y la implementación en hardware usando hls4ml. En este taller aprenderás cómo tomar modelos de ML entrenados en Python (TensorFlow, PyTorch, scikit-learn) y desplegarlos en FPGAs usando la librería hls4ml. Cubriremos la cuantización de modelos, el entrenamiento consciente del hardware, el flujo de síntesis HLS, el perfilado de rendimiento y las consideraciones prácticas para desplegar ML en el edge. No se requiere experiencia previa con FPGAs.", - }, - "natalia-echeverri-duran": { - title: "Investigadora @ Universidad de Antioquia", - description: - "Natalia es investigadora en la Universidad de Antioquia enfocada en la aceleración hardware del machine learning. Explora técnicas para mapear eficientemente modelos de ML de Python a implementaciones FPGA para aplicaciones de computación en el borde, contribuyendo a la investigación en la frontera del co-diseño de hardware para IA.", - talkTitle: "hls4ml: De Modelos Python a Aceleración en Hardware", - talkDescription: - "Une la brecha entre el machine learning en Python y la implementación en hardware usando hls4ml. En este taller aprenderás cómo tomar modelos de ML entrenados en Python (TensorFlow, PyTorch, scikit-learn) y desplegarlos en FPGAs usando la librería hls4ml. Cubriremos la cuantización de modelos, el entrenamiento consciente del hardware, el flujo de síntesis HLS, el perfilado de rendimiento y las consideraciones prácticas para desplegar ML en el edge. No se requiere experiencia previa con FPGAs.", - }, - }, -} satisfies Record; + en: applyWorkshopRequirements(workshopContentEn, "en"), + es: applyWorkshopRequirements(workshopContentEs, "es"), +}; diff --git a/src/assets/data/workshop-speakers.ts b/src/assets/data/workshop-speakers.ts index 65df9a8..0e041bf 100644 --- a/src/assets/data/workshop-speakers.ts +++ b/src/assets/data/workshop-speakers.ts @@ -4,52 +4,79 @@ type SpeakerInput = Omit & { format?: SpeakerFormat }; const workshopSpeakerImages: Record = { "david-felipe-vanegas-ramirez": - "/images/speakers/david-felipe-vanegas-ramirez.jpg", - "felix-mino": "/images/speakers/felix-mino.png", - "roberto-bedoya-garcia": "/images/speakers/roberto-bedoya-garcia.jpg", - "hazel-saenz": "/images/speakers/hazel-saenz.jpg", - "emanuel-zapata-querubin": "/images/speakers/emanuel-zapata-querubin.png", - "santiago-suarez-sampayo": "/images/speakers/santiago-suarez-sampayo.png", - "johnny-montoya": "/images/speakers/johnny-montoya.jpg", - "nicolas-roldan-fajardo": "/images/speakers/nicolas-roldan-fajardo.jpg", + "https://drive.google.com/open?id=1b9bfGWURAOpY2WbTI_scZy-2DYabdRrX", + "felix-mino": + "https://drive.google.com/open?id=1fxz9HDuDz-W6rvuK3rCwFA5fsJynDl-1", + "roberto-bedoya-garcia": + "https://drive.google.com/open?id=1Qqd58jgAlknQsLZ6Mz1pyQtIpMWTakDM", + "hazel-saenz": + "https://drive.google.com/open?id=1Te_ikbiDwTLuT2w34YaPwZTpKDFMjUer", + "emanuel-zapata-querubin": + "https://drive.google.com/open?id=1s22wX60ADCVEsdWDVs3ndk3Jh48vvqZu", + "santiago-suarez-sampayo": + "https://drive.google.com/open?id=1sQa6Virz2OmgcQBSgoCRDYFgAewD6yz3", + "johnny-montoya": + "https://drive.google.com/open?id=1ujbpOnGTO1e2iUATOha211KPHNAdECfg", + "nicolas-roldan-fajardo": + "https://drive.google.com/open?id=1QLMmGgRLyeJog9mavp1Y8S2st1E_1l3H", "maria-fernanda-rojas-castro": - "/images/speakers/maria-fernanda-rojas-castro.png", - "jonathan-vallejo-munoz": "/images/speakers/jonathan-vallejo-munoz.jpg", - "esneider-bravo-benitez": "/images/speakers/esneider-bravo-benitez.jpg", - "maris-botero": "/images/speakers/maris-botero.png", - "jose-hernan-ortiz-ocampo": "/images/speakers/jose-hernan-ortiz-ocampo.jpg", + "https://drive.google.com/open?id=1e6HMipgEz5KH8f1jxqdssrlsveBiQcPZ", + "jonathan-vallejo-munoz": + "https://drive.google.com/open?id=1s8FLMToZsYUsjaYm806DkCeH3F2uFipi", + "esneider-bravo-benitez": + "https://drive.google.com/open?id=1WBMOpcJFq7JUisr6xuBS30bbl8Nox4N3", + "maris-botero": + "https://drive.google.com/open?id=1xkxTMFFdW7I4Wj3QwxfdO8fW24gFjJ6T", + "jose-hernan-ortiz-ocampo": + "https://drive.google.com/open?id=1BvNPNV2-ySX_RPyueoDVe7mSHRAf962B", "jose-hernan-ortiz-ocampo-2": - "/images/speakers/jose-hernan-ortiz-ocampo-2.jpg", - "isabel-mora": "/images/speakers/isabel-mora.jpg", - "daniel-sabogal": "/images/speakers/daniel-sabogal.jpg", + "https://drive.google.com/open?id=1sLhZStG7F81_l1E0uzFJw3chp-jEMKex", + "isabel-mora": + "https://drive.google.com/open?id=1nU-Fs02N2n2o1_fc9x2D4zkWfusqYbbD", + "daniel-sabogal": + "https://drive.google.com/open?id=1yTsqlAU6IbSX_MEtG7N2VXMWiloNddyE", "jose-arturo-osorio-londono": - "/images/speakers/jose-arturo-osorio-londono.jpg", + "https://drive.google.com/open?id=1wlUyB2lk8H6y_JGMWaL_KX4mcGxbjlXv", "biviana-marcela-suarez-sierra": - "/images/speakers/biviana-marcela-suarez-sierra.png", + "https://drive.google.com/open?id=14ai04L9V-lu_YUkI35pWx-DLeNe7XnUv", "andres-felipe-puerta-velez": - "/images/speakers/andres-felipe-puerta-velez.jpg", - "dora-cecilia-alzate-gallo": "/images/speakers/dora-cecilia-alzate-gallo.jpg", + "https://drive.google.com/open?id=1IS3v7belJWaKuYpNoPmK-2SpMa2fymmU", + "dora-cecilia-alzate-gallo": + "https://drive.google.com/open?id=11AXMr3kYvvyeUlUOU3_oAryLw7E4LD6g", "karen-melissa-gomez-montoya": - "/images/speakers/karen-melissa-gomez-montoya.jpg", + "https://drive.google.com/open?id=17LVLNgLuF0bPlWuf-vg_oPxdC_lIr8W0", "jesus-alfredo-reyes-vargas": - "/images/speakers/jesus-alfredo-reyes-vargas.jpg", + "https://drive.google.com/open?id=1Xqy8wOTIGXG0BvO2-3u5BT8EECal-IcF", "carlos-alberto-riveros-varela": - "/images/speakers/carlos-alberto-riveros-varela.jpg", - "felipe-sanchez": "/images/speakers/felipe-sanchez.jpg", - "daniel-galvis": "/images/speakers/daniel-galvis.jpg", + "https://drive.google.com/open?id=1Ylw2XaQyoj51knAB_N10q-8iX_cPZApQ", + "felipe-sanchez": + "https://drive.google.com/open?id=1aWV1yGSsHmBYHp3-B3qRO4Ai77RkHVLE", + "daniel-galvis": + "https://drive.google.com/open?id=1qqImKlUVywLlkobX0DVoGZr-u8C0TVK4", "francisco-javier-moya-ortiz": - "/images/speakers/francisco-javier-moya-ortiz.jpg", - "andres-vasquez-restrepo": "/images/speakers/andres-vasquez-restrepo.jpg", + "https://drive.google.com/open?id=1csx5wyhuLmZJ2PHuuX4VrTnv2ouym3yk", + "andres-vasquez-restrepo": + "https://drive.google.com/open?id=1ZhqIVVbS_2Aav-PugOsSYGIMpMK2LMor", "cesar-mateo-gonzalez-rodriguez": - "/images/speakers/cesar-mateo-gonzalez-rodriguez.jpg", - "juan-guillermo-gomez": "/images/speakers/juan-guillermo-gomez.jpg", - "mauricio-repetto-ferrero": "/images/speakers/mauricio-repetto-ferrero.jpg", - "dario-jesus-guzman-duran": "/images/speakers/dario-jesus-guzman-duran.png", + "https://drive.google.com/open?id=1Da35UUnZ8YMo5kun0QLggpbYpCKcg5MI", + "juan-guillermo-gomez": + "https://drive.google.com/open?id=1WWEv7sL9pX4mnftU1wW5mrVoEp4wK5qb", + "mauricio-repetto-ferrero": + "https://drive.google.com/open?id=1q_SlUIy1c-eBEzMIR9buwYxwa_Kw_sIN", + "dario-jesus-guzman-duran": + "https://drive.google.com/open?id=1ssubbUjQ6qbjQzGl-LdVssss8MAZxJ0N", "juan-jose-barrientos-salazar": - "/images/speakers/juan-jose-barrientos-salazar.jpg", - "raul-rodriguez": "/images/speakers/raul-rodriguez.png", - "jeronimo-lopez-gomez": "/images/speakers/jeronimo-lopez-gomez.jpg", - "natalia-echeverri-duran": "/images/speakers/natalia-echeverri-duran.jpg", + "https://drive.google.com/open?id=1oCpnoace5gdVDC2HFVdbqAWTQNQaeJUc", + "raul-rodriguez": + "https://drive.google.com/open?id=1Z_aZ5UTegUYWnBe1TbdoOMzmcUYzBDB8", + "jeronimo-lopez-gomez": + "https://drive.google.com/open?id=1GS3RRsomxCBqf1Tu0MbwTNGR6aTGIqBg", + "natalia-echeverri-duran": + "https://drive.google.com/open?id=1WJWk9vaTsXqAfP3qjpFquXRoXg1FI11r", + "angie-katherine-reyes": + "https://drive.google.com/open?id=1_VnqQ_auY0NHtlSv5JluF3LBIfLnXzmc", + "elkin-javier-guerra-galeano": + "https://drive.google.com/open?id=1OflXShgH7ig1EDesVvdObqXc47GKGS9R", }; const workshopSpeakerListBase: SpeakerInput[] = [ @@ -57,7 +84,7 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "david-felipe-vanegas-ramirez", talkKey: "from-s3-to-ai-agent", - name: "David Felipe Vanegas Ramírez", + name: "David Felipe Vanegas Ramirez", tracks: [ "artificial-intelligence", "core-python", @@ -74,7 +101,7 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "felix-mino", talkKey: "stop-mocking-containerizing", - name: "Félix Miño", + name: "Felix Miño", tracks: ["web", "core-python"] as SpeakerTrack[], github: "https://github.com/felixminom", linkedin: "https://www.linkedin.com/in/felixminom", @@ -88,6 +115,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "roberto-bedoya-garcia", talkKey: "llm-observability", name: "Roberto Bedoya García", + github: "https://github.com/Rbedoyag", + linkedin: "https://www.linkedin.com/in/robertobedoyag", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -98,7 +127,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "hazel-saenz", talkKey: "dj-ia-agentes", - name: "Hazel Sáenz", + name: "Hazel Saenz", + github: "https://github.com/hsaenzG", + linkedin: "https://www.linkedin.com/in/hazelsaenz", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Guatemala", language: "Spanish / Español", @@ -110,6 +141,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "emanuel-zapata-querubin", talkKey: "mlops-databricks", name: "Emanuel Zapata Querubín", + github: "https://github.com/Ezapataq07", + linkedin: "https://www.linkedin.com/in/emanuel-zapata-querub%C3%ADn", tracks: ["machine-learning", "devops"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -120,7 +153,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "santiago-suarez-sampayo", talkKey: "openclaw-whatsapp-assistant", - name: "Santiago Suárez Sampayo", + name: "Santiago Suarez Sampayo", + github: "https://github.com/santiagossz", + linkedin: "https://www.linkedin.com/in/santiago-suarez-sampayo-2b93b2168", tracks: ["artificial-intelligence", "web"] as SpeakerTrack[], country: "Colombia", language: "English / Inglés", @@ -132,6 +167,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "johnny-montoya", talkKey: "company-brain-skills", name: "Johnny Montoya", + github: "https://github.com/eldelosdatos", + linkedin: "https://www.linkedin.com/in/johnnymontoya", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -142,7 +179,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "nicolas-roldan-fajardo", talkKey: "fellowship-agentic-evaluations", - name: "Nicolás Roldán Fajardo", + name: "Nicolas Roldan Fajardo", + github: "https://github.com/nroldanf", + linkedin: "https://www.linkedin.com/in/nicolas-roldan-fajardo", tracks: ["artificial-intelligence", "machine-learning"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -152,7 +191,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "maria-fernanda-rojas-castro", talkKey: "fellowship-agentic-evaluations", - name: "María Fernanda Rojas Castro", + name: "Maria Fernanda Rojas Castro", + github: "https://github.com/mariarojasc", + linkedin: "https://www.linkedin.com/in/mfernandarojasca", tracks: ["artificial-intelligence", "machine-learning"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -164,6 +205,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "jonathan-vallejo-munoz", talkKey: "spec-driven-code-graphs", name: "Jonathan Vallejo Muñoz", + github: "https://github.com/jonathanvm13", + linkedin: "https://www.linkedin.com/in/jonathanvm13", tracks: ["artificial-intelligence", "core-python"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -173,7 +216,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "esneider-bravo-benitez", talkKey: "spec-driven-code-graphs", - name: "Esneider Bravo Benítez", + name: "Esneider Bravo Benitez", + github: "https://github.com/esneiderbravo", + linkedin: "https://www.linkedin.com/in/esneider-bravo", tracks: ["artificial-intelligence", "core-python"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -185,6 +230,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "maris-botero", talkKey: "prompts-to-agents", name: "Maris Botero", + github: "https://github.com/marisbotero", + linkedin: "https://www.linkedin.com/in/marisbotero", tracks: ["artificial-intelligence", "core-python"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -195,7 +242,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "jose-hernan-ortiz-ocampo", talkKey: "langgraph-strands-agents", - name: "José Hernán Ortiz Ocampo", + name: "Jose Hernan Ortiz Ocampo", + github: "https://github.com/jhortizo", + linkedin: "https://www.linkedin.com/in/jhortizo", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -206,6 +255,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "isabel-mora", talkKey: "langgraph-strands-agents", name: "Isabel Mora", + github: "https://github.com/isabelmorar", + linkedin: "https://www.linkedin.com/in/isabel-mora-restrepo-a86031227", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -216,7 +267,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "jose-hernan-ortiz-ocampo-2", talkKey: "multi-agent-teams-ai-dev", - name: "José Hernán Ortiz Ocampo", + name: "Jose Hernan Ortiz Ocampo", + github: "https://github.com/jhortizo", + linkedin: "https://www.linkedin.com/in/jhortizo", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "English / Inglés", @@ -227,6 +280,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "daniel-sabogal", talkKey: "multi-agent-teams-ai-dev", name: "Daniel Sabogal", + github: "https://github.com/daasabogalro", + linkedin: "https://www.linkedin.com/in/daasabogalro", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "English / Inglés", @@ -237,7 +292,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "jose-arturo-osorio-londono", talkKey: "etl-agentic-workflows", - name: "José Arturo Osorio Londoño", + name: "Jose Arturo Osorio Londoño", + github: "https://github.com/arturo-osorio-ds", + linkedin: "https://www.linkedin.com/in/arturo-osorio-ds", tracks: ["artificial-intelligence", "data-science"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -262,7 +319,7 @@ const workshopSpeakerListBase: SpeakerInput[] = [ name: "Andrés Felipe Puerta Velez", tracks: ["artificial-intelligence", "data-science"] as SpeakerTrack[], github: "https://afpuertav.github.io/", - linkedin: "https://www.linkedin.com/in/afpuertav/", + linkedin: "https://www.linkedin.com/in/afpuertav", country: "Colombia", language: "Spanish / Español", level: "Intermediate / Intermedio", @@ -283,7 +340,7 @@ const workshopSpeakerListBase: SpeakerInput[] = [ talkKey: "nlp-corpus-rag", name: "Karen Melissa Gomez Montoya", tracks: ["artificial-intelligence", "data-science"] as SpeakerTrack[], - linkedin: "https://www.linkedin.com/in/karen-melissa-gomez/", + linkedin: "https://www.linkedin.com/in/karen-melissa-gomez", country: "Colombia", language: "Spanish / Español", level: "Intermediate / Intermedio", @@ -318,7 +375,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "felipe-sanchez", talkKey: "fastmcp-pokedex", - name: "Felipe Sánchez", + name: "Felipe Sanchez", + linkedin: "https://www.linkedin.com/in/felipe-sánchez-7765b8206", tracks: ["artificial-intelligence", "core-python"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -329,6 +387,7 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "daniel-galvis", talkKey: "fastmcp-pokedex", name: "Daniel Galvis", + linkedin: "https://www.linkedin.com/in/dangalvis1011", tracks: ["artificial-intelligence", "core-python"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -340,6 +399,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "francisco-javier-moya-ortiz", talkKey: "sigma-agentic-dashboards", name: "Francisco Javier Moya Ortiz", + github: "https://github.com/fjmoyao", + linkedin: "https://www.linkedin.com/in/francisco-javier-mortiz", tracks: ["artificial-intelligence", "data-science"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -350,7 +411,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "andres-vasquez-restrepo", talkKey: "pyblend-ai-food-scientist", - name: "Andrés Vásquez Restrepo", + name: "Andres Vasquez Restrepo", + github: "https://github.com/anvasquezre", + linkedin: "https://www.linkedin.com/in/anvasquezre", tracks: ["artificial-intelligence", "data-science"] as SpeakerTrack[], country: "Colombia", language: "English / Inglés", @@ -361,7 +424,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "cesar-mateo-gonzalez-rodriguez", talkKey: "autoencoders-anomaly-detection", - name: "César Mateo González Rodríguez", + name: "Cesar Mateo Gonzalez Rodriguez", + github: "https://github.com/cmatteogr", + linkedin: "https://www.linkedin.com/in/cesar-gonzález-rodríguez", tracks: ["machine-learning", "data-science"] as SpeakerTrack[], country: "Colombia", language: "English / Inglés", @@ -372,7 +437,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "juan-guillermo-gomez", talkKey: "multi-agent-patterns-protocols", - name: "Juan Guillermo Gómez", + name: "Juan Guillermo Gomez", + github: "https://github.com/jggomez", + linkedin: "https://www.linkedin.com/in/jggomezt", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -384,6 +451,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "mauricio-repetto-ferrero", talkKey: "toon-token-diet", name: "Mauricio Repetto Ferrero", + github: "https://github.com/a-mauricio-repetto", + linkedin: "https://www.linkedin.com/in/a-mauricio-repetto", tracks: ["artificial-intelligence", "core-python"] as SpeakerTrack[], country: "Uruguay", language: "Spanish / Español", @@ -395,6 +464,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "dario-jesus-guzman-duran", talkKey: "async-video-ingestion", name: "Darío Jesús Guzmán Durán", + github: "https://github.com/GudarJs", + linkedin: "https://www.linkedin.com/in/gudarjs", tracks: ["core-python"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -406,6 +477,8 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "juan-jose-barrientos-salazar", talkKey: "llms-mathematics-pytorch", name: "Juan José Barrientos Salazar", + github: "https://github.com/juanjo-barrientos", + linkedin: "https://www.linkedin.com/in/juanjo-barrientos-860940259", tracks: ["artificial-intelligence", "machine-learning"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -416,7 +489,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "raul-rodriguez", talkKey: "north-claude-copilot", - name: "Raúl Rodríguez", + name: "Raul Rodriguez", + github: "https://github.com/raxos18", + linkedin: "https://www.linkedin.com/in/raul-rodriguez-lopez", tracks: ["artificial-intelligence"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -427,7 +502,9 @@ const workshopSpeakerListBase: SpeakerInput[] = [ { slug: "jeronimo-lopez-gomez", talkKey: "hls4ml-hardware", - name: "Jerónimo López Gómez", + name: "Jeronimo Lopez Gomez", + github: "https://github.com/jerolg", + linkedin: "https://www.linkedin.com/in/jeronimo-lopez-714bba228", tracks: ["machine-learning", "scientific-computing"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", @@ -438,12 +515,40 @@ const workshopSpeakerListBase: SpeakerInput[] = [ slug: "natalia-echeverri-duran", talkKey: "hls4ml-hardware", name: "Natalia Echeverri Durán", + github: "https://gitlab.com/natalia.echeverrid", + linkedin: "https://www.linkedin.com/in/natalia-echeverri-duran-5297753ba", tracks: ["machine-learning", "scientific-computing"] as SpeakerTrack[], country: "Colombia", language: "Spanish / Español", level: "Intermediate / Intermedio", format: "workshop", }, + // 26. Fine-tuning Nequi (primary + co-speaker) + { + slug: "angie-katherine-reyes", + talkKey: "nequi-fine-tuning", + name: "Angie Katherine Reyes", + github: "https://github.com/angiereyesbet", + linkedin: "https://www.linkedin.com/in/angiereyesbet", + tracks: ["artificial-intelligence", "machine-learning"] as SpeakerTrack[], + country: "Colombia", + language: "Spanish / Español", + level: "Intermediate / Intermedio", + format: "workshop", + }, + { + slug: "elkin-javier-guerra-galeano", + talkKey: "nequi-fine-tuning", + name: "Elkin Javier Guerra Galeano", + github: "https://github.com/Elkinmt19/Elkinmt19", + linkedin: + "https://www.linkedin.com/in/elkin-javier-guerra-galeano-60832b1b3", + tracks: ["artificial-intelligence", "machine-learning"] as SpeakerTrack[], + country: "Colombia", + language: "Spanish / Español", + level: "Intermediate / Intermedio", + format: "workshop", + }, ]; export const workshopSpeakerList: SpeakerInput[] = workshopSpeakerListBase.map( diff --git a/src/components/shadcn-studio/blocks/user-schedule-02/user-schedule-02.tsx b/src/components/shadcn-studio/blocks/user-schedule-02/user-schedule-02.tsx index ccb9b83..ac9431a 100644 --- a/src/components/shadcn-studio/blocks/user-schedule-02/user-schedule-02.tsx +++ b/src/components/shadcn-studio/blocks/user-schedule-02/user-schedule-02.tsx @@ -13,6 +13,7 @@ import { useMemo, useState } from "react"; import { type DaySchedule, + getLocalizedScheduleEventTitle, getScheduleEventCategory, type ScheduleEvent, scheduleDays, @@ -242,6 +243,7 @@ function ScheduleEventCard({ event, t, locale }: ScheduleEventCardProps) { : talk?.format === "workshop" ? t("blocks.scheduleUi.viewWorkshop") : t("blocks.talks.viewTalk"); + const eventTitle = getLocalizedScheduleEventTitle(event, locale); return ( @@ -262,10 +264,10 @@ function ScheduleEventCard({ event, t, locale }: ScheduleEventCardProps) { href={sessionHref} className="underline-offset-4 transition-colors hover:text-primary hover:underline" > - {event.displayTitle} + {eventTitle} ) : ( - event.displayTitle + eventTitle )} @@ -340,13 +342,16 @@ const ScheduleCard = ({ scheduleData }: ScheduleCardProps) => { const query = searchQuery.trim().toLowerCase(); if (query) { - items = items.filter( - (event) => - event.displayTitle.toLowerCase().includes(query) || + items = items.filter((event) => { + const title = getLocalizedScheduleEventTitle(event, locale); + + return ( + title.toLowerCase().includes(query) || event.speaker.toLowerCase().includes(query) || event.room.toLowerCase().includes(query) || - event.label?.toLowerCase().includes(query), - ); + event.label?.toLowerCase().includes(query) + ); + }); } if (sortBy === "time") { @@ -355,12 +360,14 @@ const ScheduleCard = ({ scheduleData }: ScheduleCardProps) => { ); } else if (sortBy === "name") { items = [...items].sort((a, b) => - a.displayTitle.localeCompare(b.displayTitle), + getLocalizedScheduleEventTitle(a, locale).localeCompare( + getLocalizedScheduleEventTitle(b, locale), + ), ); } return items; - }, [activeTab, scheduleData, searchQuery, selectedDate, sortBy]); + }, [activeTab, locale, scheduleData, searchQuery, selectedDate, sortBy]); const groupedEvents = useMemo( () => groupEventsByHour(filteredEvents), From 800659d18726fc5e1fc39d91349b1e128f86e177 Mon Sep 17 00:00:00 2001 From: "Alejandro E. Rendon" Date: Mon, 6 Jul 2026 15:32:43 -0500 Subject: [PATCH 3/3] Update Interledger SVG file: Removed unnecessary metadata and streamlined the SVG structure for improved performance and maintainability. This change enhances the overall efficiency of the asset without altering its visual representation. --- public/images/sponsors/interledger.svg | 244 +------------------------ 1 file changed, 1 insertion(+), 243 deletions(-) diff --git a/public/images/sponsors/interledger.svg b/public/images/sponsors/interledger.svg index b2caa50..40718fe 100644 --- a/public/images/sponsors/interledger.svg +++ b/public/images/sponsors/interledger.svg @@ -1,243 +1 @@ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - +